An Adaptive System for the Automatic Description of EEG Background Activity

Two methods for the automatic assessment of the background activity of the electroencephalogram (EEG) and its asymmetries are presented. They are based on a set of spectral EEG parameters. The first method makes use of linear discriminant functions and of an outlier test. The second method uses regression functions instead. The disadvantage of a slightly smaller number of correctly classified EEGs is made up for by the possibility of making use of the Widrow—Hoff procedure. With this procedure, the regression functions may be easily updated whenever a new EEG enters the learning set. So this method is easy to adapt to slight modifications of the way of recording as well as analyzing the EEG.

Zur automatischen Beschreibung der Grundaktivität des Elektroencephalogramms (EEG) und ihrer Asymmetrien werden zwei Verfahren vorgestellt. Sie basieren auf einem Satz von EEG-Spektralparametern. Das erste Verfahren bedient sich der klassischen linearen Diskriminanzfunktion und eines Ausreißertests. Das zweite Verfahren verwendet statt dessen Regressionsfunktionen. Dem Nachteil einer geringfügig schlechteren Trefferrate steht die Möglichkeit gegenüber, mit Hilfe des Verfahrens von Widrow—Hoff die Funktionen bei wachsender Lernstichprobe ohne großen Aufwand schrittweise zu verbessern. Dadurch gewinnt das Verfahren auch an Anpassungsfähigkeit an leicht geänderte Registrier- und Auswertekonfigurationen.

Key-Words:

Electroencephalogram - Automatic Assessment - Classification - Widrow—Hoff Procedure

Schlüssel-Wörter:

Elektroenzephalogramm - automatische Befundung - Klassierung - Widrow—Hoff-Verfahren

• References

• 1 Bickford R. G, Billinger T. W, Fleming N. I, Seward L. The Compressed Spectral Array (CSA) — a Pictorial EEG. Proceed. Biomedical Symposium, San Diego 1972; 11: 365-370.
• 2 Bodenstein G, Praetorius M. Feature extraction from the electroencephalogram by adaptive segmentation. Proc. IEEE 1977; 65: 642-652.
• 3 Christian W. Klinische Elektroencephalographie, 2. Auflage. Thieme Verlag; Stuttgart: 1975
• 4 Duda R. C, Hart P. E. Pattern Classification and Scene Analysis. Wiley Interscience; New York—London: 1973
• 5 Ferber G, Eichholz G. Distribution of variables extracted from spectral EEG-analysis. Meth. Inform. Med 1976; 15: 94-98.
• 6 Ferber G, Künkel H. Die Bedeutung der automatischen EEG-Analyse für die klinische EEG-Befundung. Wiss. Z. Univ. Greifswald 1979; 28 Med. Reihe 25-36.
• 7 Ferber G, Luba A. The reliability of visual interpretation of focal EEG-abnormalities. Abstract E 265. Electroenceph. clin. Neurophysiol 1977; 43: 520.
• 8 Fink M. EEG and Psychopharmacology. In Cobb W. A, van Duijn H. (Eds): Contemporary Clinical Neurophysiology. Electroenceph. clin. Neurophysiol. Suppl. 34 Elsevier; Amsterdam: 1978: 41-56.
• 9 Gotman J, Gloor P. Automatic recognition and quantification of interictal epileptic activity in the human scalp EEG. Electro-enceph. clin. Neurophysiol 1976; 41: 513-529.
• 10 Harner R. N, Ostergren K. A. Computed topography. In Cobb W. A, van Duijn H. (Eds): Contemporary Clinical Neurophysiology. Electroencephal. clin. Neurophysiolog.Supp. 34 Elsevier: Amsterdam; 1978: 151-161.
• 11 Helmchen H, Künkel H, Oberhoffer G, Penin H. EEG-Befund-Dokumentation mit optischem Markierungsleser. Nervenarzt 1968; 39: 408-413.
• 12 Jacob H. Ein Beitrag zur automatischen, in Echtzeit ablaufenden Analyse von kontinuierlichen und intermittierenden Aktivitäten im Elektroencephalogram. Dissertation: TU Hannover; 1976
• 13 Johnson C. The EEG During Sleep as Viewed by a Computer. In Rémond A. (Edit.): EEG Informatics. A didactic review of methods and applications of EEG data processing Elsevier; Amsterdam: 1977: 385-406.
• 14 Künkel H. Historical Review of Principal Methods. In Rémond A. (Edit.): EEG Informatics. A didactic review of methods and applications of EEG data processing 9-25. Elsevier; Amsterdam: 1977
• 15 Kunkel H. Elektroencephalographie und Psychiatrie. In Kisker K. P, Meyer J. E, Müller L, Strömgren E. (Eds): Handbuch der Psychiatrie der Gegenwart, 2. Auflage Springer, Berlin, Heidelberg, New York: 1980
• 16 Künkel H. and EEG Project Group: Hybrid Computing System for EEG Analysis. In Dolce G, Künkel H. (Eds): CEAN — Computerized EEG-Analysis G. Fischer Verlag; Stuttgart: 1975: 365-385.
• 17 Lopes da Silva F. A, Dijk A, Smits H. Detection of Non-Stationarities in EEGs Using the Autoregressive Model — an Application to EEGs of Epileptics. In Dolce G, Künkel H. (Eds): CEAN — Computerized EEG-Analysis G. Fischer Verlag: Stuttgart; 1975: 180-199.
• 18 Macgillivray B. The Application of Automated EEG Analysis to the Diagnosis of Epilepsy. In Rémond A. (Edit.) : EEG Informatics. A didactic review of methods and applications of EEG data processing Elsevier; Amsterdam: 1977: 243-262.
• 19 Matoušek M, Arvidsson A, Friberg S. Implementation of Analytical Methods in Daily Clinical EEG Routine. In Cobb W. A, van Duijn H. (Eds): Contemporary Clinical Neurophysiology. Electroenceph. clin. Neurophysiol., Supp. 34 Elsevier; Amsterdam: 1978: 199-204.
• 20 Michael D, Houchin J. Automatic EEG-analysis: A segmentation procedure based on the autocorrelation function. Electroenceph. clin. Neurophysiol 1979; 46: 232-235.
• 21 Pocklington P. R, Gutjahr L, Künkel H, Niethardt P, Reichertz P. L. Systems Support for the Routine Requirements of Clinical Neurophysiology. In J. Anderson (Edit.): Medical Informatics Europe 1978. Lecture Notes in Medical Informatics Vol. 1. Springer Verlag Berlin; Heidelberg, New York: 1978: 217-225.
• 22 Romeder J.M. Méthodes et programmes d’analyse discriminante. Dunod; Paris: 1973
• 23 Wasan M. T. Stochastic Approximation. Cambridge University Press; New York: 1969