Entwicklung von Verfahren zur Vorhersage epileptischer Anfälle mit Zellularen Neuronalen Netzen

使用细胞神经网络预测癫痫发作的方法的开发

• 批准号: 5399976
• 负责人: Professor Dr. Klaus Lehnertz
• 金额: --
• 依托单位: Beta Klinik GmbH
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 2003
• 资助国家: 德国
• 起止时间: 2002-12-31 至 2010-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/5399976?language=en
• 关键词: Entwicklung; von; Verfahren; zur; Vorhersage

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.

癫痫是一种高血压病，其中0.15%的Bevölkerung leiden是一种抗癫痫药物。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.在近几年的世界范围内，研究工作已经开始，但没有任何一种方法可以用来分析人类活动的影响。在一个回顾性分析中，也可以使用韦尔登，dass die - mit den bisher zur Verfügung stehenden Verfahren - erzielte Detektionssichershieleines prä-iktualen Zum gegenwärtigen Zeitpunkt als noch ausreichend für eine voll automatisierte Anfallsvorhersage anzusehen ist。因此，韦尔登治疗的动力学和癫痫发生过程的动力学研究是非常重要的。DECEINE Combination versedener bereits bestehender Kenngrößen，aber auch die Bestimmung weiktiver Merkmale der hirnelektrischen Aktivität könte die Spezifität und Sensität des Verfahrens zur Vorhersge epileptischer Anfälle weiter erhöht韦尔登. Eine notwendige Voraussetzung für den Einquiry von Detektions- und Interventionsstrategien ist dabei die Möglichkeit，auch komplexere Verfahren einzeln oder in geeigneter Combination in Echtzeit auf einem Analyseseauzuführen.这是一项研究--神经元网络公司（CNN）的Verarbeitungsgeschwindigkeiten und universelle Berechnungseigenschaften - erfüllen Zellulare Neuronale Netzwerke（CNN），它的实时技术实现是一项非常重要的任务。因此，这些工作人员需要进行编程，并在通信过程中进行通信，因此，在通信过程中，一个用于Echtzeitbedingungen的简单的网络工作器也需要进行信号传输的复杂的通信。这些研究成果是非常重要的，因为CNN的分析师们对CNN的分析没有任何兴趣，而CNN的分析师们也对这些研究成果有着非常韦尔登的韦尔登。