Biomedizinische Relevanz der quantitativen EEG-Analyse:
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Format: | Buch |
| Sprache: | German |
| Veröffentlicht: |
2007
|
| Schlagworte: | |
| Online-Zugang: | Volltext https://nbn-resolving.org/urn:nbn:de:bvb:19-77176 Inhaltsverzeichnis |
| Beschreibung: | München, Univ., Diss., 2007 |
| Beschreibung: | XI, 239 S. graph. Darst. 21 cm |
Internformat
MARC
| LEADER | 00000nam a2200000 c 4500 | ||
|---|---|---|---|
| 001 | BV023207372 | ||
| 003 | DE-604 | ||
| 005 | 20080602 | ||
| 007 | t | ||
| 008 | 080311s2007 gw d||| m||| 00||| ger d | ||
| 015 | |a 08,H02,3007 |2 dnb | ||
| 016 | 7 | |a 986912492 |2 DE-101 | |
| 035 | |a (OCoLC)429667079 | ||
| 035 | |a (DE-599)DNB986912492 | ||
| 040 | |a DE-604 |b ger |e rakddb | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c XA-DE | ||
| 049 | |a DE-384 |a DE-473 |a DE-703 |a DE-1051 |a DE-824 |a DE-29 |a DE-12 |a DE-91 |a DE-19 |a DE-1049 |a DE-92 |a DE-739 |a DE-898 |a DE-355 |a DE-706 |a DE-20 |a DE-154 | ||
| 082 | 0 | |a 616.8047547 |2 22/ger | |
| 082 | 0 | |a 616.8 |2 22/ger | |
| 084 | |a 610 |2 sdnb | ||
| 100 | 1 | |a Tirsch, Werner S. |d 1943- |e Verfasser |0 (DE-588)114840326 |4 aut | |
| 245 | 1 | 0 | |a Biomedizinische Relevanz der quantitativen EEG-Analyse |c vorgelegt von Werner Tirsch |
| 264 | 1 | |c 2007 | |
| 300 | |a XI, 239 S. |b graph. Darst. |c 21 cm | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 500 | |a München, Univ., Diss., 2007 | ||
| 650 | 7 | |a Computerunterstütztes Verfahren |2 swd | |
| 650 | 7 | |a Elektroencephalogramm |2 swd | |
| 650 | 7 | |a Quantitative Methode |2 swd | |
| 655 | 7 | |0 (DE-588)4113937-9 |a Hochschulschrift |2 gnd-content | |
| 776 | 0 | 8 | |i Erscheint auch als |n Online-Ausgabe |o urn:nbn:de:bvb:19-77176 |
| 856 | 4 | 1 | |u http://edoc.ub.uni-muenchen.de/7717/ |x Verlag |z kostenfrei |3 Volltext |
| 856 | 4 | |u https://nbn-resolving.org/urn:nbn:de:bvb:19-77176 |x Resolving-System | |
| 856 | 4 | 2 | |m HBZ Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=016393503&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 912 | |a ebook | ||
| 999 | |a oai:aleph.bib-bvb.de:BVB01-016393503 | ||
Datensatz im Suchindex
| _version_ | 1804137487385231360 |
|---|---|
| adam_text | I
Inhaltsverzeichnis
Abbildungsverzeichnis V
Tabellenverzeichnis IX
Abkürzungsverzeichnis XI
1 Einleitung und Zielsetzung l
2 Einführung 3
2.1 Neurophysiologische Grundlagen des EEG 3
2.2 Ableitung des EEG 4
2.3 Eichzackenanalyse und Normierung 6
3 Methoden der quantitativen EEG-Analyse 7
3.1 Verfahren zur Gewinnung von maschinellen EEG-Merkmalen 7
3.1.1 Spektralanalyse 7
3.1.1.1 Theoretische Grundlagen 8
3.1.1.2 Segmentale Analyse einer EEG-Epoche 10
3.1.1.3 Frequenzbandspezifische Spektralparameter 12
3.1.1.4 Z-Transformation 15
3.1.1.5 Berechnung der spektralen Peakfrequenz und Amplitude 16
3.1.2 Stufenweise, kontinuierliche Intervall-Amplitudenanalyse 17
3.1.3 Autoregressives Modell 25
3.1.3.1 Theoretische Grundlagen 25
3.1.3.2 Berechnung der autoregressiven Parameter 28
3.1.3.3 Bestimmung der Ordnung des autoregressiven Modells 29
3.1.3.4 Lattice-Formulierung 30
II
3.1.4 Nichtlineare, dynamische Systemanalyse (Chaosanalyse) 30
3.1.4.1 Theoretische Grandlagen 32
3.1.4.2 Berechnung des mutuellen Informationsgehaltes 37
3.1.4.3 Berechnung der Korrelationsdimension 41
3.2 Klassifikation von EEG-Merkmalen 45
3.2.1 Dimensionsreduktion 46
3.2.2 Klassifikationsstrategien 48
3.2.2.1 Clusteranalyse 48
3.2.2.2 Lineare Diskriminanzanalyse 49
3.2.2.3 Gewichteter Euklid scher Klassifikator 50
3.2.2.4 Sensitivität und Spezifität 51
3.3 Maschinelle Bestimmung von charakteristischen EEG-Kurven 52
3.4 Running window Analyse 54
3.5 Bestimmung des endogenen Rhythmus einer Zeitreihe 56
3.6 Berechnung der Ähnlichkeit von zwei Zeitreihen 58
3.7 Filterung von EEG-Zeitreihen 58
3.7.1 Nichtrekursive Filter 59
3.7.2 Rekursive Filter 61
3.8 Aktueller Stand der quantitativen EEG-Analyse 63
4 Anwendungsbereiche und Ergebnisse 65
4.1 Funktionelle Zusammenhänge zwischen quantitativen EEG-Merkmalen
und Außenkriterien 65
4.1.1 Physiologisch-diagnostische Kriterien 65
4.1.1.1 Alter 65
4.1.1.2 Vigilanz und Schlaf 85
4.1.1.3 Menstruationszyklus 104
4.1.1.4 Intelligenz 111
4.1.1.5 Atmosphärische Impulsstrahlung (Sferics) 125
4.1.2 Pathophysiologisch-diagnostische Kriterien 129
4.1.2.1 Entwicklungsneurologische Störungen 129
4.1.2.2 Down-Syndrom 141
4.1.2.3 Phänotypisierung von Mausmutanten 151
III
4.2 Rhythmische Veränderungen von quantitativen EEG-Merkmalen 157
4.2.1 Spektrale Power 158
4.2.2 Korrelationsdimension 165
4.2.3 Kovariation zwischen spektraler Power und Korrelationsdimension ... 180
S Schlussfolgerungen 191
Zusammenfassung 195
Literaturverzeichnis 199
Danksagung 229
Lebenslauf 231
Publikationen 233
V
Abbildungsverzeichnis
Abb. 1 Elektrodenpositionen nach dem Ten-Twenty-System 4
Abb. 2 Gewichtsfunktion für Tapering 10
Abb. 3 Umrechnung der absoluten Power in die relative 14
Abb. 4 Intervall-Amplituden (IA) Ganzwellenvermessung 18
Abb. 5 Schema der stufenweisen Extraktion unterlagerter Wellen 19
Abb. 6 Segmentierung einer Analyseepoche bei der IA-Vermessung 20
Abb. 7 Schematische Darstellung des Belegungsindex 22
Abb. 8 Schema der zeitlichen Belegung der Ganzwellen 23
Abb. 9 Prinzip des autoregressiven Modells 26
Abb. 10 Bahnkurven von nichtlinearen, dynamischen Systemen 34
Abb. 11 Phasenportrait einer 10-sec EEG-Epoche 36
Abb. 12 Allgemeines Kommunikationssystem 37
Abb. 13 Kurvenschar des mutuellen Informationsgehaltes 40
Abb. 14 Gleitende Anpassung von Regressionsgeraden 43
Abb. 15 Allgemeines musterverarbeitendes System 45
Abb. 16 Höhenlinien der 10, 50 und 90 %-Perzentile 53
Abb. 17 Schema der running window Technik 54
Abb. 18 Obertragungsfunktion eines nichtrekursiven Tiefpassfilters 60
Abb. 19 Impulsfunktion eines nichtrekursiven Tiefpassfilters 60
Abb. 20 Übertragungsfiinktion eines autoregressiven Tiefpassfilters 62
Abb. 21 Beteiligungsraten und EEG-Stichprobenumfänge der Münchener
Pädiatnschen Längsschnittstudie 68
Abb. 22 Powerspektren eines kindlichen EEGs in verschiedenen Altersstufen 70
Abb. 23 Scatterdiagramm der LK-transformierten Spektralmerkmale,
abgeleitet von 3 Altersgruppen 71
Abb. 24 Scatterdiagramm der LK-transformierten IA-Merkmale,
abgeleitet von 3 Altersgruppen 72
Abb. 25 Scatterdiagramm der LK-transformierten, autoregressiven
Merkmale, abgeleitet von 3 Altersgruppen 72
VI
Abb. 26 Scatterdiagramm der LK-transformierten Spektralmerkmale,
abgeleitet von 4 Altersgruppen 73
Abb. 27 Dendrogramm einer Clusteranalyse mit LK-transformierten,
Spektralmerkmalen, abgeleitet von 3 Altersgruppen 73
Abb. 28 Dendrogramm einer Clusteranalyse mit LK-transformierten,
Spektralmerkmalen, abgeleitet von 4 Altersgruppen 74
Abb. 29 Dendrogramm einer Clusteranalyse mit LK-transformierten,
Spektralmerkmalen, abgeleitet von 5 Altersgruppen 74
Abb. 30 Altersspezifische Entwicklung der absoluten, spektralen Theta-,
Alpha- und Betal-Power 81
Abb. 31 Altersspezifische Entwicklung der relativen, spektralen Theta-,
Alpha- und Betal -Power 82
Abb. 32 Altersspezifische Entwicklung der dominanten Frequenz 82
Abb. 33 Altersspezifische Entwicklung der interhemisphärischen Kohärenz 83
Abb. 34 10 %-Perzentil EEG eines gesunden Kindes der Altersstufe 11-12 Jahre ... 84
Abb. 35 90 %-Perzentil EEG eines gesunden Kindes der Altersstufe 11-12 Jahre ... 85
Abb. 36 Zeitreihen für Belegungsindex, Amplitude und Peakfrequenz im
Theta- und Alphaband 89
Abb. 37 Gesamtablauf der maschinellen Bestimmung der Vigilanzstadien 90
Abb. 38 Computer-Plot eines Vigilosomnogrammes 91
Abb. 39 Abhängigkeit des Vigilanzprofiles von der Segmentlänge 92
Abb. 40 Vigilanzprofile der visuellen und maschinellen Auswertung 93
Abb. 41 Univariate Varianzanalyse für den 2. reflection Koeffizienten 97
Abb. 42 Scatterdiagramm der LK-transformierten autoregressiven Koeffizienten
eines Nachtschlaf-EEGs 99
Abb. 43 Schema der möglichen Übergänge zwischen zwei Schlafstadien 100
Abb. 44 Automatische Schlafstadienklassifikation eines 6-kanäligen EEGs 101
Abb. 45 Maschinell erstelltes Schlafprofil (Hypnogramm) 103
Abb. 46 Verlauf des mittleren Hormongehaltes an Progesteron und
luteinisierendes Hormon (LH) während des Menstruationszyklus 106
Abb. 47 Chronospektrogramm der okzipital-zentralen EEG-Ableitung während
eines spontanen Menstruationszyklus 107
VII
Abb. 48 Verläufe der Mittelwerte der gewichteten, mittleren Frequenz und der
Power im Alphaband während des Menstruationszyklus 108
Abb. 49 Scatterdiagramm der Reaktionszeit nach Flickerreiz versus gewichteter,
mittlerer Frequenz im Alphaband bei Frauen mit Spontanzyklus 111
Abb. 50 Verläufe des Pearson Korrelationskoeffizienten zwischen den Intelligenz¬
testvariablen und der relativen Power im Delta- und Alphaband 121
Abb. 51 Verläufe der Mittelwerte der relativen Power in den klassischen
Frequenzbändern für den verbalen IQ 122
Abb. 52 Verläufe der mittleren, relativen Power im Alphaband für die
11 Intelligenz-Subtests 123
Abb. 53 Verläufe der p-Werte von einseitigen t-Tests, die auf den spektralen
Einzelparametern des Alphabandes basieren 123
Abb. 54 Zeitlicher Verlauf und Frequenzspektrum einer atmosphärischen
Impulsstrahlung 127
Abb. 55 Powerspektren der okzipitalen EEG-Ableitung eines Probanden mit
und ohne artifizieller Impulsstrahlung 128
Abb. 56 Z-transformierte relative Power in den klassischen Frequenzbändern,
abgeleitet von neurologisch auffälligen Kindern 137
Abb. 57 Vergleich der Mittelwerte der Gesamt-Power, abgeleitet von den
Normal- und Down-Syndrom-Gruppen 143
Abb. 58 Vergleich der Mittelwerte der absoluten Alpha-Power, abgeleitet von
den Normal- und Down-Syndrom-Gruppen 144
Abb. 59 Vergleich der Mittelwerte der relativen Alpha-Power, abgeleitet von
den Normal- und Down-Syndrom-Gruppen 144
Abb. 60 Z-transformierte relative Power in den klassischen Frequenzbändern,
abgeleitet von Down-Syndrom Kindern 146
Abb. 61 Vergleich der Mittelwerte des Theta-Alpha-Quotienten, abgeleitet
von den Normal- und Down-Syndrom-Gruppen 147
Abb. 62 Mittelwerte der interhemisphärischen Kohärenz in den klassischen Frequenz¬
bändern, abgeleitet von den Normal- und Down-Syndrom-Gruppen 147
Abb. 63 Synoptische Darstellung verschiedener Entwicklungsstörungen mit Hilfe der
z-transformierten, relativen Power in den klassischen Frequenzbändern ... 150
VIII
Abb. 64 EEG-Registrierung der Lambda-Ableitung einer Wildtyp Maus 153
Abb. 65 EEG-Registrierung der Lambda-Ableitung einer Knock-out Maus 153
Abb. 66 Chronospektrogramme von 24 sukzessiven Powerspektren 154
Abb. 67 Scatterdiagramm der mittleren spektralen Peakfrequenz und
Steilheit des Peaks 155
Abb. 68 4-Minuten EEG-Registrierung der mittel-okzipitalen Ableitung
des Probanden NV101 159
Abb. 69 Pseudo-3D Plot der konsekutiven Spektralanalyse, abgeleitet von
dem EEG des Probanden NV101 160
Abb. 70 Pseudo-3D Plot der gleitenden Spektralanalyse, abgeleitet von
dem EEG des Probanden NV101 16
Abb. 71 Zeitlicher Verlauf der mittleren spektralen Amplitude im Alphaband,
abgeleitet von dem EEG des Probanden NV101 61
Abb. 72 Rechnergestützte Anpassung von Sinuswellen an die Zeitreihe der
mittleren spektralen Amplitude im Alphaband 2
Abb. 73 Verteilung der Periodenlängen von 20 Zeitreihen der mittleren
spektralen Amplitude im Alphaband 1^4
Abb. 74 30-sec Epoche eines multivariaten, 4-dimensionalen Gauß schen
Rauschprozesses 67
Abb. 75 Zeitreihen der gleitenden Berechnung der Komplexität, abgeleitet
von dem EEG des Probanden NV101 169
Abb. 76 Gepoolte Powerspektren (Grand average), abgeleitet von 20 Zeit-
reihen der EEG-Komplexität 170
Abb. 77 Rechnergestützte Anpassung von Sinuswellen an die Zeitreihe der
EEG-Komplexität mit einer einbettenden Dimension von 17 7
Abb. 78 Verteilung der Periodenlängen von 20 Zeitreihen der EEG-Komplexität... 172
Abb. 79 Gepoolte Powerspektren (Grand average), abgeleitet von 20 Zeit¬
reihen der Komplexität für EEG-Daten und Rauschprozesse l73
Abb. 80 Korrelation zwischen gleitender spektraler Alpha-Power und EEG-
Komplexität, abgeleitet von dem EEG des Probanden NV101 l81
Abb. 81 Interpretationsmodell der inversen Kovariation zwischen spektraler
Alpha-Power und Korrelationsdimension 87
IX
Tabellenverzeichnis
Tab. 1 Charakteristika der Spektralanalyse 12
Tab. 2 Frequenzskala der Intervall-Amplituden Vermessung von EEG-Wellen .... 21
Tab. 3 Aufbau der Merkmalsvektoren zur maschinellen Klassifikation 69
Tab. 4 Zuordnung der von der linearen, schrittweisen Diskriminanzanalyse
ausgewählten Spektralmerkmale 75
Tab. 5 Ergebnisse der linearen, schrittweisen Diskriminanzanalyse für LK-
transformierte Spektralparameter, abgeleitet von 3 Altersgruppen 76
Tab. 6 Ergebnisse der linearen, schrittweisen Diskriminanzanalyse für
maschinelle EEG-Parameter, abgeleitet von 3 Altersgruppen 78
Tab. 7 Einteilung der Vigilanzstadien nach Kugler 90
Tab. 8 Relative Häufigkeiten in % der Übergänge zwischen zwei Schlafstadien ... 95
Tab. 9 Besetzungshäufigkeiten der 7 Schlafstadien für 15 Probanden 98
Tab. 10 Zuordnungsmatrix des gewichteten Euklid schen Klassifikators bei
der Schlafstadienklassifikation der EEG-Ableitung Nr. 6 103
Tab. 11 Subtest-Items Hl-Hl 1 des Intelligenztests nach HAWIK-R 113
Tab. 12 Stichprobenumfange entsprechend den Wertepunkten der Intelligenz-
Subtests und den daraus resultierenden IQ-Werten 114
Tab. 13 Multiple Korrelationskoeffizienten und Signifikanzen für die band¬
bezogenen Spektralparameter, abgeleitet von 155 10-jährigen Kindern .... 117
Tab. 14 Multiple Korrelationskoeffizienten und Signifikanzen für die 25
relativen Einzelwerte der Spektralpower 119
Tab. 15 Multiple Korrelationskoeffizienten und Signifikanzen für die 11 Sub-
testvariablen des Intelligenztests 120
Tab. 16 Stichprobenumfange entsprechend den entwicklungsneurologischen
Items mit den Befunden: normal, zweifelhaß, auffällig 131
Tab. 17 Ergebnisse der t-Tests für unverbundene Stichproben und relative,
bandbezogene Spektralparameter bei normalen und auffälligen Kindern ... 135
Tab. 18 Ergebnisse der t-Tests für relative, spektrale Einzelwerte des Alpha¬
bandes bei normalen und auffälligen Kindern im Alter von 4 Jahren 135
X
Tab. 19 Ergebnisse der t-Tests für relative, spektrale Einzelwerte des Alpha¬
bandes bei normalen und auffälligen Kindern im Alter von 5 Jahren 136
Tab. 20 Mittelwerte der z-transformierten relativen, spektralen Einzelwerte im
Alphaband, abgeleitet von 5-jährigen auffälligen Kindern 138
Tab. 21 Ergebnisse der rechnergestützten Anpassung von Sinuswellen an die Zeit¬
reihen der mittleren spektralen Alpha-Amplitude von 20 Probanden 163
Tab. 22 Ergebnisse der rechnergestützten Anpassung von Sinuswellen an die
Zeitreihen der EEG-Komplexität von 20 Probanden 172
Tab. 23 Ergebnisse der Varianzanalyse und t-Tests, abgeleitet von der rechnerge¬
stützten Anpassung von Sinuswellen an die Zeitreihen der Komplexität... 174
Tab. 24 Ähnlichkeitsmaße und Korrelationskoeffizienten, abgeleitet von den
Zeitreihen der spektralen Alpha-Amplitude und Korrelationsdimension ... 183
Tab. 25 Ergebnisse der t-Tests für verbundene Stichproben. Vergleich der
Periodenlängen der Komplexität und Alpha-Amplitude, abgeleitet von
der Spektralanalyse und rechnergestützten Anpassung von Sinuswellen ... 184
|
| adam_txt |
I
Inhaltsverzeichnis
Abbildungsverzeichnis V
Tabellenverzeichnis IX
Abkürzungsverzeichnis XI
1 Einleitung und Zielsetzung l
2 Einführung 3
2.1 Neurophysiologische Grundlagen des EEG 3
2.2 Ableitung des EEG 4
2.3 Eichzackenanalyse und Normierung 6
3 Methoden der quantitativen EEG-Analyse 7
3.1 Verfahren zur Gewinnung von maschinellen EEG-Merkmalen 7
3.1.1 Spektralanalyse 7
3.1.1.1 Theoretische Grundlagen 8
3.1.1.2 Segmentale Analyse einer EEG-Epoche 10
3.1.1.3 Frequenzbandspezifische Spektralparameter 12
3.1.1.4 Z-Transformation 15
3.1.1.5 Berechnung der spektralen Peakfrequenz und Amplitude 16
3.1.2 Stufenweise, kontinuierliche Intervall-Amplitudenanalyse 17
3.1.3 Autoregressives Modell 25
3.1.3.1 Theoretische Grundlagen 25
3.1.3.2 Berechnung der autoregressiven Parameter 28
3.1.3.3 Bestimmung der Ordnung des autoregressiven Modells 29
3.1.3.4 Lattice-Formulierung 30
II
3.1.4 Nichtlineare, dynamische Systemanalyse (Chaosanalyse) 30
3.1.4.1 Theoretische Grandlagen 32
3.1.4.2 Berechnung des mutuellen Informationsgehaltes 37
3.1.4.3 Berechnung der Korrelationsdimension 41
3.2 Klassifikation von EEG-Merkmalen 45
3.2.1 Dimensionsreduktion 46
3.2.2 Klassifikationsstrategien 48
3.2.2.1 Clusteranalyse 48
3.2.2.2 Lineare Diskriminanzanalyse 49
3.2.2.3 Gewichteter Euklid'scher Klassifikator 50
3.2.2.4 Sensitivität und Spezifität 51
3.3 Maschinelle Bestimmung von charakteristischen EEG-Kurven 52
3.4 'Running window' Analyse 54
3.5 Bestimmung des endogenen Rhythmus einer Zeitreihe 56
3.6 Berechnung der Ähnlichkeit von zwei Zeitreihen 58
3.7 Filterung von EEG-Zeitreihen 58
3.7.1 Nichtrekursive Filter 59
3.7.2 Rekursive Filter 61
3.8 Aktueller Stand der quantitativen EEG-Analyse 63
4 Anwendungsbereiche und Ergebnisse 65
4.1 Funktionelle Zusammenhänge zwischen quantitativen EEG-Merkmalen
und Außenkriterien 65
4.1.1 Physiologisch-diagnostische Kriterien 65
4.1.1.1 Alter 65
4.1.1.2 Vigilanz und Schlaf 85
4.1.1.3 Menstruationszyklus 104
4.1.1.4 Intelligenz 111
4.1.1.5 Atmosphärische Impulsstrahlung (Sferics) 125
4.1.2 Pathophysiologisch-diagnostische Kriterien 129
4.1.2.1 Entwicklungsneurologische Störungen 129
4.1.2.2 Down-Syndrom 141
4.1.2.3 Phänotypisierung von Mausmutanten 151
III
4.2 Rhythmische Veränderungen von quantitativen EEG-Merkmalen 157
4.2.1 Spektrale Power 158
4.2.2 Korrelationsdimension 165
4.2.3 Kovariation zwischen spektraler Power und Korrelationsdimension . 180
S Schlussfolgerungen 191
Zusammenfassung 195
Literaturverzeichnis 199
Danksagung 229
Lebenslauf 231
Publikationen 233
V
Abbildungsverzeichnis
Abb. 1 Elektrodenpositionen nach dem Ten-Twenty-System 4
Abb. 2 Gewichtsfunktion für Tapering 10
Abb. 3 Umrechnung der absoluten Power in die relative 14
Abb. 4 Intervall-Amplituden (IA) Ganzwellenvermessung 18
Abb. 5 Schema der stufenweisen Extraktion unterlagerter Wellen 19
Abb. 6 Segmentierung einer Analyseepoche bei der IA-Vermessung 20
Abb. 7 Schematische Darstellung des Belegungsindex 22
Abb. 8 Schema der zeitlichen Belegung der Ganzwellen 23
Abb. 9 Prinzip des autoregressiven Modells 26
Abb. 10 Bahnkurven von nichtlinearen, dynamischen Systemen 34
Abb. 11 Phasenportrait einer 10-sec EEG-Epoche 36
Abb. 12 Allgemeines Kommunikationssystem 37
Abb. 13 Kurvenschar des mutuellen Informationsgehaltes 40
Abb. 14 Gleitende Anpassung von Regressionsgeraden 43
Abb. 15 Allgemeines musterverarbeitendes System 45
Abb. 16 Höhenlinien der 10, 50 und 90 %-Perzentile 53
Abb. 17 Schema der "running window" Technik 54
Abb. 18 Obertragungsfunktion eines nichtrekursiven Tiefpassfilters 60
Abb. 19 Impulsfunktion eines nichtrekursiven Tiefpassfilters 60
Abb. 20 Übertragungsfiinktion eines autoregressiven Tiefpassfilters 62
Abb. 21 Beteiligungsraten und EEG-Stichprobenumfänge der Münchener
Pädiatnschen Längsschnittstudie 68
Abb. 22 Powerspektren eines kindlichen EEGs in verschiedenen Altersstufen 70
Abb. 23 Scatterdiagramm der LK-transformierten Spektralmerkmale,
abgeleitet von 3 Altersgruppen 71
Abb. 24 Scatterdiagramm der LK-transformierten IA-Merkmale,
abgeleitet von 3 Altersgruppen 72
Abb. 25 Scatterdiagramm der LK-transformierten, autoregressiven
Merkmale, abgeleitet von 3 Altersgruppen 72
VI
Abb. 26 Scatterdiagramm der LK-transformierten Spektralmerkmale,
abgeleitet von 4 Altersgruppen 73
Abb. 27 Dendrogramm einer Clusteranalyse mit LK-transformierten,
Spektralmerkmalen, abgeleitet von 3 Altersgruppen 73
Abb. 28 Dendrogramm einer Clusteranalyse mit LK-transformierten,
Spektralmerkmalen, abgeleitet von 4 Altersgruppen 74
Abb. 29 Dendrogramm einer Clusteranalyse mit LK-transformierten,
Spektralmerkmalen, abgeleitet von 5 Altersgruppen 74
Abb. 30 Altersspezifische Entwicklung der absoluten, spektralen Theta-,
Alpha- und Betal-Power 81
Abb. 31 Altersspezifische Entwicklung der relativen, spektralen Theta-,
Alpha- und Betal -Power 82
Abb. 32 Altersspezifische Entwicklung der dominanten Frequenz 82
Abb. 33 Altersspezifische Entwicklung der interhemisphärischen Kohärenz 83
Abb. 34 10 %-Perzentil EEG eines gesunden Kindes der Altersstufe 11-12 Jahre . 84
Abb. 35 90 %-Perzentil EEG eines gesunden Kindes der Altersstufe 11-12 Jahre . 85
Abb. 36 Zeitreihen für Belegungsindex, Amplitude und Peakfrequenz im
Theta- und Alphaband 89
Abb. 37 Gesamtablauf der maschinellen Bestimmung der Vigilanzstadien 90
Abb. 38 Computer-Plot eines Vigilosomnogrammes 91
Abb. 39 Abhängigkeit des Vigilanzprofiles von der Segmentlänge 92
Abb. 40 Vigilanzprofile der visuellen und maschinellen Auswertung 93
Abb. 41 Univariate Varianzanalyse für den 2. reflection Koeffizienten 97
Abb. 42 Scatterdiagramm der LK-transformierten autoregressiven Koeffizienten
eines Nachtschlaf-EEGs 99
Abb. 43 Schema der möglichen Übergänge zwischen zwei Schlafstadien 100
Abb. 44 Automatische Schlafstadienklassifikation eines 6-kanäligen EEGs 101
Abb. 45 Maschinell erstelltes Schlafprofil (Hypnogramm) 103
Abb. 46 Verlauf des mittleren Hormongehaltes an Progesteron und
luteinisierendes Hormon (LH) während des Menstruationszyklus 106
Abb. 47 Chronospektrogramm der okzipital-zentralen EEG-Ableitung während
eines spontanen Menstruationszyklus 107
VII
Abb. 48 Verläufe der Mittelwerte der gewichteten, mittleren Frequenz und der
Power im Alphaband während des Menstruationszyklus 108
Abb. 49 Scatterdiagramm der Reaktionszeit nach Flickerreiz versus gewichteter,
mittlerer Frequenz im Alphaband bei Frauen mit Spontanzyklus 111
Abb. 50 Verläufe des Pearson Korrelationskoeffizienten zwischen den Intelligenz¬
testvariablen und der relativen Power im Delta- und Alphaband 121
Abb. 51 Verläufe der Mittelwerte der relativen Power in den klassischen
Frequenzbändern für den verbalen IQ 122
Abb. 52 Verläufe der mittleren, relativen Power im Alphaband für die
11 Intelligenz-Subtests 123
Abb. 53 Verläufe der p-Werte von einseitigen t-Tests, die auf den spektralen
Einzelparametern des Alphabandes basieren 123
Abb. 54 Zeitlicher Verlauf und Frequenzspektrum einer atmosphärischen
Impulsstrahlung 127
Abb. 55 Powerspektren der okzipitalen EEG-Ableitung eines Probanden mit
und ohne artifizieller Impulsstrahlung 128
Abb. 56 Z-transformierte relative Power in den klassischen Frequenzbändern,
abgeleitet von neurologisch auffälligen Kindern 137
Abb. 57 Vergleich der Mittelwerte der Gesamt-Power, abgeleitet von den
Normal- und Down-Syndrom-Gruppen 143
Abb. 58 Vergleich der Mittelwerte der absoluten Alpha-Power, abgeleitet von
den Normal- und Down-Syndrom-Gruppen 144
Abb. 59 Vergleich der Mittelwerte der relativen Alpha-Power, abgeleitet von
den Normal- und Down-Syndrom-Gruppen 144
Abb. 60 Z-transformierte relative Power in den klassischen Frequenzbändern,
abgeleitet von Down-Syndrom Kindern 146
Abb. 61 Vergleich der Mittelwerte des Theta-Alpha-Quotienten, abgeleitet
von den Normal- und Down-Syndrom-Gruppen 147
Abb. 62 Mittelwerte der interhemisphärischen Kohärenz in den klassischen Frequenz¬
bändern, abgeleitet von den Normal- und Down-Syndrom-Gruppen 147
Abb. 63 Synoptische Darstellung verschiedener Entwicklungsstörungen mit Hilfe der
z-transformierten, relativen Power in den klassischen Frequenzbändern . 150
VIII
Abb. 64 EEG-Registrierung der Lambda-Ableitung einer Wildtyp Maus 153
Abb. 65 EEG-Registrierung der Lambda-Ableitung einer Knock-out Maus 153
Abb. 66 Chronospektrogramme von 24 sukzessiven Powerspektren 154
Abb. 67 Scatterdiagramm der mittleren spektralen Peakfrequenz und
Steilheit des Peaks 155
Abb. 68 4-Minuten EEG-Registrierung der mittel-okzipitalen Ableitung
des Probanden NV101 159
Abb. 69 Pseudo-3D Plot der konsekutiven Spektralanalyse, abgeleitet von
dem EEG des Probanden NV101 160
Abb. 70 Pseudo-3D Plot der gleitenden Spektralanalyse, abgeleitet von
dem EEG des Probanden NV101 16'
Abb. 71 Zeitlicher Verlauf der mittleren spektralen Amplitude im Alphaband,
abgeleitet von dem EEG des Probanden NV101 '61
Abb. 72 Rechnergestützte Anpassung von Sinuswellen an die Zeitreihe der
mittleren spektralen Amplitude im Alphaband " 2
Abb. 73 Verteilung der Periodenlängen von 20 Zeitreihen der mittleren
spektralen Amplitude im Alphaband 1^4
Abb. 74 30-sec Epoche eines multivariaten, 4-dimensionalen Gauß'schen
Rauschprozesses '67
Abb. 75 Zeitreihen der gleitenden Berechnung der Komplexität, abgeleitet
von dem EEG des Probanden NV101 169
Abb. 76 Gepoolte Powerspektren (Grand average), abgeleitet von 20 Zeit-
reihen der EEG-Komplexität 170
Abb. 77 Rechnergestützte Anpassung von Sinuswellen an die Zeitreihe der
EEG-Komplexität mit einer einbettenden Dimension von 17 '7'
Abb. 78 Verteilung der Periodenlängen von 20 Zeitreihen der EEG-Komplexität. 172
Abb. 79 Gepoolte Powerspektren (Grand average), abgeleitet von 20 Zeit¬
reihen der Komplexität für EEG-Daten und Rauschprozesse l73
Abb. 80 Korrelation zwischen gleitender spektraler Alpha-Power und EEG-
Komplexität, abgeleitet von dem EEG des Probanden NV101 l81
Abb. 81 Interpretationsmodell der inversen Kovariation zwischen spektraler
Alpha-Power und Korrelationsdimension '87
IX
Tabellenverzeichnis
Tab. 1 Charakteristika der Spektralanalyse 12
Tab. 2 Frequenzskala der Intervall-Amplituden Vermessung von EEG-Wellen . 21
Tab. 3 Aufbau der Merkmalsvektoren zur maschinellen Klassifikation 69
Tab. 4 Zuordnung der von der linearen, schrittweisen Diskriminanzanalyse
ausgewählten Spektralmerkmale 75
Tab. 5 Ergebnisse der linearen, schrittweisen Diskriminanzanalyse für LK-
transformierte Spektralparameter, abgeleitet von 3 Altersgruppen 76
Tab. 6 Ergebnisse der linearen, schrittweisen Diskriminanzanalyse für
maschinelle EEG-Parameter, abgeleitet von 3 Altersgruppen 78
Tab. 7 Einteilung der Vigilanzstadien nach Kugler 90
Tab. 8 Relative Häufigkeiten in % der Übergänge zwischen zwei Schlafstadien . 95
Tab. 9 Besetzungshäufigkeiten der 7 Schlafstadien für 15 Probanden 98
Tab. 10 Zuordnungsmatrix des gewichteten Euklid'schen Klassifikators bei
der Schlafstadienklassifikation der EEG-Ableitung Nr. 6 103
Tab. 11 Subtest-Items Hl-Hl 1 des Intelligenztests nach HAWIK-R 113
Tab. 12 Stichprobenumfange entsprechend den Wertepunkten der Intelligenz-
Subtests und den daraus resultierenden IQ-Werten 114
Tab. 13 Multiple Korrelationskoeffizienten und Signifikanzen für die band¬
bezogenen Spektralparameter, abgeleitet von 155 10-jährigen Kindern . 117
Tab. 14 Multiple Korrelationskoeffizienten und Signifikanzen für die 25
relativen Einzelwerte der Spektralpower 119
Tab. 15 Multiple Korrelationskoeffizienten und Signifikanzen für die 11 Sub-
testvariablen des Intelligenztests 120
Tab. 16 Stichprobenumfange entsprechend den entwicklungsneurologischen
Items mit den Befunden: normal, zweifelhaß, auffällig 131
Tab. 17 Ergebnisse der t-Tests für unverbundene Stichproben und relative,
bandbezogene Spektralparameter bei normalen und auffälligen Kindern . 135
Tab. 18 Ergebnisse der t-Tests für relative, spektrale Einzelwerte des Alpha¬
bandes bei normalen und auffälligen Kindern im Alter von 4 Jahren 135
X
Tab. 19 Ergebnisse der t-Tests für relative, spektrale Einzelwerte des Alpha¬
bandes bei normalen und auffälligen Kindern im Alter von 5 Jahren 136
Tab. 20 Mittelwerte der z-transformierten relativen, spektralen Einzelwerte im
Alphaband, abgeleitet von 5-jährigen auffälligen Kindern 138
Tab. 21 Ergebnisse der rechnergestützten Anpassung von Sinuswellen an die Zeit¬
reihen der mittleren spektralen Alpha-Amplitude von 20 Probanden 163
Tab. 22 Ergebnisse der rechnergestützten Anpassung von Sinuswellen an die
Zeitreihen der EEG-Komplexität von 20 Probanden 172
Tab. 23 Ergebnisse der Varianzanalyse und t-Tests, abgeleitet von der rechnerge¬
stützten Anpassung von Sinuswellen an die Zeitreihen der Komplexität. 174
Tab. 24 Ähnlichkeitsmaße und Korrelationskoeffizienten, abgeleitet von den
Zeitreihen der spektralen Alpha-Amplitude und Korrelationsdimension . 183
Tab. 25 Ergebnisse der t-Tests für verbundene Stichproben. Vergleich der
Periodenlängen der Komplexität und Alpha-Amplitude, abgeleitet von
der Spektralanalyse und rechnergestützten Anpassung von Sinuswellen . 184 |
| any_adam_object | 1 |
| any_adam_object_boolean | 1 |
| author | Tirsch, Werner S. 1943- |
| author_GND | (DE-588)114840326 |
| author_facet | Tirsch, Werner S. 1943- |
| author_role | aut |
| author_sort | Tirsch, Werner S. 1943- |
| author_variant | w s t ws wst |
| building | Verbundindex |
| bvnumber | BV023207372 |
| collection | ebook |
| ctrlnum | (OCoLC)429667079 (DE-599)DNB986912492 |
| dewey-full | 616.8047547 616.8 |
| dewey-hundreds | 600 - Technology (Applied sciences) |
| dewey-ones | 616 - Diseases |
| dewey-raw | 616.8047547 616.8 |
| dewey-search | 616.8047547 616.8 |
| dewey-sort | 3616.8047547 |
| dewey-tens | 610 - Medicine and health |
| discipline | Medizin |
| discipline_str_mv | Medizin |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>01772nam a2200433 c 4500</leader><controlfield tag="001">BV023207372</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20080602 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">080311s2007 gw d||| m||| 00||| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">08,H02,3007</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">986912492</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)429667079</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB986912492</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rakddb</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-384</subfield><subfield code="a">DE-473</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-1051</subfield><subfield code="a">DE-824</subfield><subfield code="a">DE-29</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-91</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-1049</subfield><subfield code="a">DE-92</subfield><subfield code="a">DE-739</subfield><subfield code="a">DE-898</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-154</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">616.8047547</subfield><subfield code="2">22/ger</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">616.8</subfield><subfield code="2">22/ger</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">610</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Tirsch, Werner S.</subfield><subfield code="d">1943-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)114840326</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Biomedizinische Relevanz der quantitativen EEG-Analyse</subfield><subfield code="c">vorgelegt von Werner Tirsch</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="c">2007</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XI, 239 S.</subfield><subfield code="b">graph. Darst.</subfield><subfield code="c">21 cm</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">München, Univ., Diss., 2007</subfield></datafield><datafield tag="650" ind1=" " ind2="7"><subfield code="a">Computerunterstütztes Verfahren</subfield><subfield code="2">swd</subfield></datafield><datafield tag="650" ind1=" " ind2="7"><subfield code="a">Elektroencephalogramm</subfield><subfield code="2">swd</subfield></datafield><datafield tag="650" ind1=" " ind2="7"><subfield code="a">Quantitative Methode</subfield><subfield code="2">swd</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4113937-9</subfield><subfield code="a">Hochschulschrift</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe</subfield><subfield code="o">urn:nbn:de:bvb:19-77176</subfield></datafield><datafield tag="856" ind1="4" ind2="1"><subfield code="u">http://edoc.ub.uni-muenchen.de/7717/</subfield><subfield code="x">Verlag</subfield><subfield code="z">kostenfrei</subfield><subfield code="3">Volltext</subfield></datafield><datafield tag="856" ind1="4" ind2=" "><subfield code="u">https://nbn-resolving.org/urn:nbn:de:bvb:19-77176</subfield><subfield code="x">Resolving-System</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">HBZ Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=016393503&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">ebook</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-016393503</subfield></datafield></record></collection> |
| genre | (DE-588)4113937-9 Hochschulschrift gnd-content |
| genre_facet | Hochschulschrift |
| id | DE-604.BV023207372 |
| illustrated | Illustrated |
| index_date | 2024-07-02T20:10:35Z |
| indexdate | 2024-07-09T21:13:04Z |
| institution | BVB |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-016393503 |
| oclc_num | 429667079 |
| open_access_boolean | 1 |
| owner | DE-384 DE-473 DE-BY-UBG DE-703 DE-1051 DE-824 DE-29 DE-12 DE-91 DE-BY-TUM DE-19 DE-BY-UBM DE-1049 DE-92 DE-739 DE-898 DE-BY-UBR DE-355 DE-BY-UBR DE-706 DE-20 DE-154 |
| owner_facet | DE-384 DE-473 DE-BY-UBG DE-703 DE-1051 DE-824 DE-29 DE-12 DE-91 DE-BY-TUM DE-19 DE-BY-UBM DE-1049 DE-92 DE-739 DE-898 DE-BY-UBR DE-355 DE-BY-UBR DE-706 DE-20 DE-154 |
| physical | XI, 239 S. graph. Darst. 21 cm |
| psigel | ebook |
| publishDate | 2007 |
| publishDateSearch | 2007 |
| publishDateSort | 2007 |
| record_format | marc |
| spelling | Tirsch, Werner S. 1943- Verfasser (DE-588)114840326 aut Biomedizinische Relevanz der quantitativen EEG-Analyse vorgelegt von Werner Tirsch 2007 XI, 239 S. graph. Darst. 21 cm txt rdacontent n rdamedia nc rdacarrier München, Univ., Diss., 2007 Computerunterstütztes Verfahren swd Elektroencephalogramm swd Quantitative Methode swd (DE-588)4113937-9 Hochschulschrift gnd-content Erscheint auch als Online-Ausgabe urn:nbn:de:bvb:19-77176 http://edoc.ub.uni-muenchen.de/7717/ Verlag kostenfrei Volltext https://nbn-resolving.org/urn:nbn:de:bvb:19-77176 Resolving-System HBZ Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=016393503&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis |
| spellingShingle | Tirsch, Werner S. 1943- Biomedizinische Relevanz der quantitativen EEG-Analyse Computerunterstütztes Verfahren swd Elektroencephalogramm swd Quantitative Methode swd |
| subject_GND | (DE-588)4113937-9 |
| title | Biomedizinische Relevanz der quantitativen EEG-Analyse |
| title_auth | Biomedizinische Relevanz der quantitativen EEG-Analyse |
| title_exact_search | Biomedizinische Relevanz der quantitativen EEG-Analyse |
| title_exact_search_txtP | Biomedizinische Relevanz der quantitativen EEG-Analyse |
| title_full | Biomedizinische Relevanz der quantitativen EEG-Analyse vorgelegt von Werner Tirsch |
| title_fullStr | Biomedizinische Relevanz der quantitativen EEG-Analyse vorgelegt von Werner Tirsch |
| title_full_unstemmed | Biomedizinische Relevanz der quantitativen EEG-Analyse vorgelegt von Werner Tirsch |
| title_short | Biomedizinische Relevanz der quantitativen EEG-Analyse |
| title_sort | biomedizinische relevanz der quantitativen eeg analyse |
| topic | Computerunterstütztes Verfahren swd Elektroencephalogramm swd Quantitative Methode swd |
| topic_facet | Computerunterstütztes Verfahren Elektroencephalogramm Quantitative Methode Hochschulschrift |
| url | http://edoc.ub.uni-muenchen.de/7717/ https://nbn-resolving.org/urn:nbn:de:bvb:19-77176 http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=016393503&sequence=000002&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT tirschwerners biomedizinischerelevanzderquantitativeneeganalyse |