权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

New methods for signal-adaptive, time-variant analysis of phase properties and directed interactions of and between EEG/MEG oscillations

用于信号自适应、时变分析相位特性以及 EEG/MEG 振荡之间的定向相互作用的新方法

基本信息

批准号：
231138331
负责人：
Dr. Lutz Leistritz
金额：
--
依托单位：
Institut für Medizinische Statistik, Informatik und Dokumentation
依托单位国家：
德国
项目类别：
Research Grants
财政年份：
2012
资助国家：
德国
起止时间：
2011-12-31 至 2016-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/231138331?language=en
关键词：
New methods signal adaptive time

项目摘要

The advantage of signal-adaptive, time-variant analysis methods is that (e.g.) time-frequency properties can be analysed in a signal-driven and signal-optimal manner. The proposed methodological approaches are composed of two processing units. In the first unit, signals are decomposed into signal-atoms or signal components. The resulting components are subsequently processed (directly or via a suitable elimination scheme) by a specific analysis method in the second unit. According to the envisaged signal property, both processing units form a holistically optimized analysis concept. Phase properties and directed interactions (effective connectivity) of and between EEG/MEG oscillations are of particular interest. For an optimal time-frequency analysis of the instantaneous phase the Matched Gabor Transform, which was introduced by us, will be generalized. Additionally, the methodology of the Hilbert-Huang Transform (HHT) will be improved and advanced to enable multi-trial as well as multi-channel analyses. The concept of the Granger causality will be expanded by elimination schemes for frequency components, which are extracted by filtering, to optimize frequency-selective connectivity analysis. Furthermore, we aimed at a replacement of filtering by Empirical Mode Decomposition (part of the HHT) and a decomposition of signals in ARMA(2,1) components. This would lead to the possibility to perform signal-adaptive, frequency-selective connectivity analyses. All new methods will be tested by simulated and clinical data and a critical comparison with the results provided by other methods is planned.

信号自适应时变分析方法的优点是（例如）可以以信号驱动和信号最佳的方式分析时间-频率特性。拟议的方法学方针由两个处理单位组成。在第一单元中，信号被分解成信号原子或信号分量。随后在第二单元中通过特定的分析方法（直接或通过合适的消除方案）处理所得组分。根据所设想的信号特性，两个处理单元形成整体优化的分析概念。EEG/MEG振荡的相位特性和定向相互作用（有效连接）以及EEG/MEG振荡之间的相位特性和定向相互作用（有效连接）特别令人感兴趣。为了对瞬时相位进行最佳时频分析，我们将推广我们提出的匹配Gabor变换。此外，希尔伯特-黄变换（HHT）的方法将得到改进和改进，以实现多试验和多通道分析。格兰杰因果关系的概念将通过用于频率分量的消除方案来扩展，频率分量通过滤波来提取，以优化频率选择性连接性分析。此外，我们的目标是通过经验模式分解（HHT的一部分）和信号在阿尔马（2，1）分量中的分解来代替滤波。这将导致执行信号自适应、频率选择性连接性分析的可能性。所有新方法将通过模拟和临床数据进行测试，并计划与其他方法提供的结果进行关键比较。

项目成果

期刊论文数量（9）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Time-Variant, Frequency-Selective, Linear and Nonlinear Analysis of Heart Rate Variability in Children With Temporal Lobe Epilepsy

DOI：
10.1109/tbme.2014.2307481
发表时间：
2014-02
期刊：
IEEE Transactions on Biomedical Engineering
影响因子：
4.6
作者：
K. Schiecke;M. Wacker;D. Piper;F. Benninger;M. Feucht;H. Witte
通讯作者：
K. Schiecke;M. Wacker;D. Piper;F. Benninger;M. Feucht;H. Witte

Discussion of “Computational Electrocardiography: Revisiting Holter ECG Monitoring”

“计算心电图：重新审视动态心电图监测”的讨论

DOI：
10.3414/me15-15-0009
发表时间：
2016
期刊：
Methods of Information in Medicine
影响因子：
1.7
作者：
Baumgartner;Caiani;Dickhaus;Kulikowski;Schiecke;van Bemmel
通讯作者：
van Bemmel

Synchronization analysis between heart rate variability and EEG activity before, during, and after epileptic seizure

DOI：
10.1515/bmt-2013-0139
发表时间：
2014-08
期刊：
Biomedical Engineering / Biomedizinische Technik
影响因子：
0
作者：
D. Piper;K. Schiecke;L. Leistritz;Britta Pester;F. Benninger;M. Feucht;M. Ungureanu;R. Strungaru;H. Witte
通讯作者：
D. Piper;K. Schiecke;L. Leistritz;Britta Pester;F. Benninger;M. Feucht;M. Ungureanu;R. Strungaru;H. Witte

A time domain frequency-selective multivariate Granger causality approach.

时域频率选择性多元格兰杰因果关系方法