Портал психологических изданий PsyJournals.ru
Каталог изданий 96Рубрики 51Авторы 8428Ключевые слова 20536 Online-сборники 1 АвторамRSS RSS

Экспериментальная психология в России: традиции и перспективы

ISBN: 978-5-9270-0196-5

Издатель: Издательство «Институт психологии РАН»

Год издания: 2010

 

Нейросетевая технология выявления аномалий электроэнцефалограмм 765

Куравский Л.С., доктор технических наук, декан факультета информационных технологий, Московский государственный психолого-педагогический университет, Москва, Россия, l.s.kuravsky@gmail.com

Аннотация

Представлена технология распознавания аномальных участков электроэнцефалограмм, использующая возможности вейвлет-преобразований и релаксационных нейронных сетей. Важными практическими преимуществами предложенного подхода являются распознавание аномалий по их единичным образцам и возможности применения для анализа нестационарных сигналов и выявления характера патологий.

Ссылка для цитирования

Фрагмент статьи

1 Введение

Большой объем данных, который приходится анализировать врачам-функционалистам при выявлении патологических состояний по электроэнцефалограммам (ЭЭГ), делает актуальным автоматическое выделение в них типовых фрагментов, свидетельствующих о наличии тех или иных аномалий.

Эксперименты, проведенные с достаточно большим количеством ЭЭГ, показали, что выводы о наличии аномальных фрагментов носят более качественный, чем количественный характер. В отличие от электромиографии и кардиографии, в электроэнцефалографии нет каких-либо нормативных таблиц основных параметров сигнала, поэтому каждая ЭЭГ имеет определенный набор характеристик, которые могут варьироваться для разных классов патологий и нормы. В частности, параметры ЭЭГ существенно зависят от возраста. Учитывая это, автоматический анализатор должен иметь критерии оценки ЭЭГ, адаптируемые к естественному разбросу характеристик внутри популяции.

Опыт показывает, что не все феномены ЭЭГ могут быть классифицированы в автоматическом режиме и невозможно с полной уверенностью отличить истинные аномалии от артефактов. Поэтому целесообразна не полная автоматизация процесса анализа ЭЭГ, при которой выдаются категоричные заключения, а выделение «подозрительных» участков сигнала, предназначенных для дальнейшего просмотра экспертом. При этом существенно уменьшается объем анализируемых данных, что повышает эффективность и скорость работы врача. Таким образом, оптимальный режим использования автоматического анализатора предполагает невмешательство в область компетенции эксперта и возможность гибкой настройки параметров распознавания.

Первыми подходами, обеспечившими эффективное выявление аномальных фрагментов ЭЭГ в указанном режиме, оказались методы прогнозирования временных рядов (в частности, оценки на базе моделей авторегрессии), турн-амплитудный анализ, методы спектрального и корреляционного анализа, метод цифровой фильтрации, структурно-лингвистический анализ, а также пороговые методы. Наиболее подходящими по совокупности нескольких критериев были признаны спектральный, корреляционный и структурно-лигвистический анализ.

Литература
  1. Куравский Л. С., Баранов С. Н., Буланова О. Е., Кравчук Т. Е. Нейросетевая технология диагностики патологических состояний по аномалиям электроэнцефалограмм // Нейрокомпьютеры: разработка и применение. 2007. № 4. C. 4–14.
  2. Hopfield J. Neural networks and physical systems with emergent collective computational abilities // Proc. National Academy of Sciences USA. 1982. P. 2554–2558.
  3. Kosko B. Competitive adaptive bidirectional associative memories // Proc. IEEE 1st International Conference on Neural Networks. IEEE Press. 1987. V. 2.
  4. Kosko B. Feedback stability and unsupervised learning // Proc. IEEE 2nd International Conference on Neural Networks. IEEE Press. 1988. V. 3.
  5. Kuravsky L.S., Baranov S.N. and Kravchuk T.E. Structure condition diagnostics based on the wavelet transform and relaxation networks // Proc. Condition Monitoring 2005. Cambridge, United Kingdom, 2005. P. 119–126.
  6. Lipmann R. An introduction to computing with neural nets // IEEE Acoustic, Speech and Signal Processing Magazine. 1987. № 2. P. 4–22.
Статьи по теме
 
О проекте PsyJournals.ru

© 2007–2019 Портал психологических изданий PsyJournals.ru  Все права защищены

Свидетельство регистрации СМИ Эл № ФС77-66447 от 14 июля 2016 г.

Издатель: ФГБОУ ВО МГППУ

Creative Commons License

Яндекс.Метрика