Automatische Erkennung gruppierter Muster im EEG

Summary

The detection and classification of grouped (so called paroxysmal) activity and of artefacts of similar appearance is a necessary part of the automated description of clinical EEGs, An algorithm for this task is presented. It is based on short-time spectra and on parameters extracted from them. The rate of agreement with the visual assessment is nearly the same as that between well trained EEGers. This is true for the classification and to nearly the same degree for the detection. Nevertheless these patterns must be grouped and validated if the method is to be used in practice. A modification useful for a fast analysis combined with the quantitative description of the background activity is discussed.

Zusammenfassung

Für die automatisierte Beschreibung klinischer EEG ist die Erkennung und Klassierung gruppierter Muster und ähnlich auftretender Artefakte ein unerläßlicher Bestandteil. Ein Algorithmus für diese Aufgabe wird vorgestellt. Er basiert auf überlappenden Kurzzeitspektren und daraus gewonnenen Parametern. Die Übereinstimmung mit der visuellen Beurteilung ist bei der Erkennung, vor allem aber bei der Klassierung kaum geringer als die Übereinstimmung zwischen gut ausgebildeten Auswertern. Dennoch ist eine validierende Zusammenfassung für den praktischen Einsatz notwendig. Eine Variante für rasche Auswertungen im Zusammenhang mit der Beschreibung der Hintergrundaktivität wird vorgestellt.

Key-Words:

Electroencephalogram - Signal analysis - Pattern recognition - Automated report generation - Clinical application