Entwicklung von Verfahren zur Vorhersage epileptischer Anfälle mit Zellularen Neuronalen Netzen

点击翻译按钮获取中文摘要

Epilepsie ist ein Krankheitsbild von hoher Inzidenz; etwa 0,15 % der Bevölkerung leiden an einer pharmakoresistenten fokalen Epilepsie. Trotz erheblicher Fortschritte in der Erforschung der Pathogenese epilpetischer Erkrankungen war es bisher nicht möglich, das Auftreten der einzelnen Anfälle vorherzusagen, um damit die individuell auslösenden Faktoren zu eruieren und die Anfallsausbildung zu unterbinden. Die in den letzten Jahren weltweit erzielten Forschungsergebnisse belegen, dass nichtlineare Analysen der hirnelektrischen Aktivität die Detektion eines langandauernden prä-iktualen Zustandes ermöglichen. In einer Vielzahl von retrospektiven Analysen konnte jedoch auch gezeigt werden, dass die - mit den bisher zur Verfügung stehenden Verfahren - erzielte Detektionssicherheit eines prä-iktualen Zustandes zum gegenwärtigen Zeitpunkt als noch nicht ausreichend für eine voll automatisierte Anfallsvorhersage anzusehen ist. Mit den jeweiligen Verfahren werden jedoch unterschiedliche und sich ergänzende Aspekte der Dynamik des epileptogenen Prozesses erfasst. Durch eine Kombination verschiedener bereits bestehender Kenngrößen, aber auch die Bestimmung weiterer prädiktiver Merkmale der hirnelektrischen Aktivität könnte die Spezifität und Sensitivität des Verfahrens zur Vorhersge epileptischer Anfälle weiter erhöht werden. Eine notwendige Voraussetzung für den Einsatz von Detektions- und Interventionsstrategien ist dabei die Möglichkeit, auch komplexere Verfahren einzeln oder in geeigneter Kombination in Echtzeit auf einem Analysesystem auszuführen. Diese Anforderungen - hohe Verarbeitungsgeschwindigkeiten und universelle Berechnungseigenschaften - erfüllen Zellulare Neuronale Netzwerke (CNN), deren schaltungstechnische Realisierung seit einiger Zeit Gegenstand zahlreicher Untersuchungen ist. Als Ergebnis dieser Arbeiten vorgestellte miniaturisierte programmierbare und bereits kommerziell erhältliche Schaltungen weisen sehr hohe Verarbeitungsgeschwindigkeiten auf, die einen Einsatz derartiger Netzwerke unter Echtzeitbedingungen auch bei komplexen Verfahren zur Signalverarbeitung gewährleisten. Ziel des beantragten Forschungsvorhabens ist es daher zu überprüfen, inwieweit die bisher evaluierten nichtlinearen Analyseverfahren auf CNN übertragen werden können und ob mit CNN darüber hinaus auch weitere prädiktive Merkmale aus der hirnelektrischen Aktivität extrahiert werden können.