MENÜ MENÜ  

Independent Component Analysis of Biomedical Signals - Modern Data Analysis Techniques Can Assist Medical Decision Making

Christoph Bauer

ISBN 978-3-89722-733-0
222 Seiten, Erscheinungsjahr: 2001
Preis: 40.50 €
In dieser Arbeit wurden verschiedene neuronale Netzwerkansätze zur Analyse biomedizinischer Daten weiterentwickelt und vergleichend untersucht. Zentrale Rolle dabei spielte die Independent Component Analysis, eine modernes Verfahren zur Auswertung hochdimensionaler Datensätze, das auf informations-theoretischen, probabilistischen und geometrischen Konzepten basiert. Dabei standen zwei anwendungs-orientierte Problemstellungen im Mittelpunkt:

Obwohl seit langem das EEG in der klinischen Praxis zur Diagnose von Gehirnkrankheiten eingesetzt wird, existierten bislang keine zuverlässigen Algorithmen zur Korrektur von Artefaktsignalen, wie beispielsweise Augenbewegungen, Muskelaktivitäten oder dem EKG. Durch die Überlagerung mit solchen Störsignalen wird die Suche nach tumorspezifischen Signalen erheblich erschwert. Mit Hilfe der Independent Component Analysis konnten die EEG Aufnahmen in zeitlich statistisch unabhängige Komponenten separiert werden, wobei neben Artefakten auch tumorspezifische Signale extrahiert werden konnten. Neben der Interpretation der Signale durch die Ärzte der Klinik und Poliklinik für Neurochirurgie des Uniklinikums Regensburg wurden verschiedene statistische Verfahren zur automatisierten Identifikation entwickelt. Durch Entfernen der Artefaktbeiträge konnten korrigierte EEG Signale berechnet werden, die eine vereinfachte Tumor-Diagnose erlaubten. Die Rückprojektion der identifizierten Signale auf die Elektroden ermöglichte eine topographische Zuordnung und somit eine Lokalisation des Gehirntumors.

In einem zweiten Projekt wurden in Zusammenarbeit mit der Klinik und Poliklinik für Dermatologie des Uniklinikums Regensburg neuronale Netzwerke entwickelt, die eine Klassifikation verschiedener Hautläsionen auf Basis von Fluoreszenzaufnahmen ermöglichten. Da sogar ein erfahrener Dermatologe aktinische Keratosen und Basalzellkarzinome nicht voneinander unterscheiden kann, ist für eine zuverlässige Diagnose eine Biopsie nötig. Durch Verbindung konventioneller Bildbearbeitungsalgorithmen mit modernen Analyseverfahren konnten Eigenbilder und statistisch unabhängige Basisbilder extrahiert werden, die Ensemble-spezifische Merkmale kodierten. Darüber hinaus wurde anstelle von globaler Information lokale Merkmale durch die Vorverarbeitung mit Clusteralgorithmen gewonnen. Mit Hilfe verschiedener Ähnlichkeitmaße sowie statistischer Prüfverfahren wurden relativ hohe Klassifizierungsraten der einzelen Hautläsionen erreicht, die die Relevanz einer rechnergestützten Auswertung der Fluoreszenzbilder unterstreichen und zukünftig die Diagnose der Ärzte assistieren können.

Mit dieser Arbeit wurde ein Beitrag zur effizienten Nutzung von biomedizinischem Datenmaterial in Hinblick auf eine Unterstützung der Diagnose und Prognose von Medizinern geleistet.

Keywords:
  • Data Mining
  • Neuronale Netze
  • Independent Component Analysis
  • Biomedizinische Signalanalyse
  • Bildverarbeitung

KAUFOPTIONEN

40.50 €
auf Lager
Versandkostenfrei innerhalb Deutschlands


Wollen auch Sie Ihre Dissertation veröffentlichen?