Waveletanalyse von EEG-Zeitreihen

{"ID":5651895,"post_title":"Waveletanalyse von EEG-Zeitreihen","title":"Waveletanalyse von EEG-Zeitreihen","post_content":"Diplomarbeit aus dem Jahr 2000 im Fachbereich Physik - Angewandte Physik, Note: 1,0, Christian-Albrechts-Universit\u00e4t Kiel (Physik), Sprache: Deutsch, Abstract: Inhaltsangabe:Zusammenfassung: Seit fast 80 Jahren werden Elektroenzephalogramme (EEG) des Menschen aufgezeichnet. Diese Aufzeichnungen haben zu einem erheblichen Erkenntnisgewinn in der medizinischen Forschung gef\u00fchrt, sei es bei der Diagnose und Therapie von Krankheiten, oder dem Verst\u00e4ndnis \u00fcber die Abl\u00e4ufe im Gehirn an sich. Die komplexe Struktur des EEGs, bestehend aus abwechselnd sehr aktiven und weniger aktiven Bereichen unterschiedlichster Dauer, die St\u00f6rungen durch \u00e4ussere Einfl\u00fcsse und die begrenzte r\u00e4umliche Zuordnung zu einem Hirnareal, stellen eine grosse Herausforderung f\u00fcr den Zeitreihenanalytiker dar. Er ist daran interessiert, mit Hilfe mathematischer und numerischer Methoden die Dynamik zu beschreiben, charakteristische Strukturen aufzuzeigen und neue Informationen zu gewinnen. Auf diese Weise wird es m\u00f6glich, eine numerische Vorverarbeitung des umfangreichen Datenmaterials vorzunehmen, und somit Diagnose und Therapie von Krankheiten zu beschleunigen. Die verwendeten Untersuchungsmethoden entstammen dabei sowohl aus der Statistik, als auch, in neuerer Zeit, aus der nichtlinearen Dynamik. Die Wavelet-Transformation ist eine relativ neue Methode der Zeitreihenanalyse. Obwohl es bereits seit langem \u00e4hnliche Analyseverfahren gab, wurden die mathematischen Grundlagen erst in den achtziger Jahren entwickelt. Ziel der Forschung war es, eine Methode zu entwickeln, die das Zeit-Frequenz-Verhalten auf unterschiedlichen Zeitskalen so genau wie m\u00f6glich darstellt. Ihre schnelle Verbreitung verdankt die Wavelet-Transformation einer schnellen numerischen Berechnungsmethode, und der rasanten technischen Entwicklung bei der elektronischen Datenverarbeitung, die die effektive Analyse umfangreicher Datenmengen m\u00f6glich macht. In der vorliegenden Arbeit sollen EEGs mit Hilfe der Diskreten Wavelet-Transformation und davon abgeleiteter Methoden untersucht werden. Die Anwendung auf EEG-Zeitserien ist dabei auf zwei Schwerpunkte unterteilt: Im ersten Teil wird ein Algorithmus zur automatischen Detektion lokaler Strukturen in Schlaf-EEG-Zeitreihen, den Arousals, erarbeitet. Es wurde festgestellt, dass Arousals h\u00e4ufiger im Schlaf-EEG von Patienten mit Schlafst\u00f6rungen auftreten als beim gesunden Menschen. Das Auftreten der Arousals gilt als Folge einer automatischen Weck-Reaktion, die das Gehirn aufgrund einer Beeintr\u00e4chtigung der Atmung vornimmt. Die Anzahl der Arousals im EEG ist also f\u00fcr die Diagnose einer Schlafst\u00f6rung von Interesse. Die Auswertung der EEG-Zeitreihe wird durch einen menschlichen Experten durchgef\u00fchrt, der das gesamte EEG visuell inspiziert. Wie man sich vorstellen kann, stellt die Auswertung einer viele Stunden umfassenden Zeitreihe ein langwieriges und kostspieliges Unterfangen dar. Es w\u00e4ren daher automatisierte Verfahren zur Auswertung w\u00fcnschenswert. Die Entwicklung solcher Verfahren befindet sich jedoch noch in ihren Anf\u00e4ngen. Da die Bedeutung der Arousals erst seit wenigen Jahren bekannt ist, existieren noch keine zuverl\u00e4ssigen Verfahren, die die automatische Detektion durchf\u00fchren k\u00f6nnten. Es soll daher ein Ansatz f\u00fcr ein solches Verfahren erarbeitet werden. Im zweiten Teil werden drei Verfahren zur quantitativen Bestimmung der Komplexit\u00e4t einer Zeitreihe verglichen. Diese Verfahren basieren dabei auf dem Entropie-Kalk\u00fcl und werden auf eine EEG-Zeitreihe mit bekannter Dynamik angewendet. Da es sich bei den drei Verfahren um lineare Methoden handelt, stellen sie eine Alternative zu den nichtlinearen Methoden der quantitativen Beschreibung, wie etwa der Bestimmung der Korrelationsdimension, dar. Die EEG-Zeitreihe stammt von einem Epilepsiepatienten und wurde im Rahmen einer Untersuchung der Bonner Klinik f\u00fcr Epileptologie untersucht. Die vorliegende Arbeit glieder...","image":"https:\/\/images.thalia.media\/00\/-\/daa0419a6b17478786ef9aa1c71886bd\/waveletanalyse-von-eeg-zeitreihen-taschenbuch-heiko-hansen.jpeg","url":"https:\/\/www.vergleiche.ch\/product\/waveletanalyse-von-eeg-zeitreihen\/","min_price":66.9,"low_price_merchant_id":2294,"deeplink":"https:\/\/www.awin1.com\/pclick.php?p=40992921033&a=401125&m=13971&pref1=9783838670041","ean":9783838670041,"brand":"GRIN"}