Summary
Quantitative description of some EEG-variants by amplitude-interval (time-domain) analysis revealed significant differences of parameter mearrs but failed to give one single, sufficiently reliable criterion for classification. Therefore, we tried to solve the problem of classification through quantitative criteria by discriminant analysis. For each EEG, 128 different measurements were taken, but only 104 were included in the analysis; the rest failed to contribute any measurable information. For 243 of the 298 probands, the data were sufficient for inclusion in the study. Only 15 (6.2 %) were classified falsly.this number was reduced to 3 (1.7 %) when the calculation was performed leaving out the (64) controls.
A control analysis by a Monte-Carlo-Method in which the classification criterium was calculated using 80 % of all cases only, and the remaining 20 % were then attributed tentatively to the variant groups, gave much less convincing results. It follows that more and better criteria for separation of these variants have to be developed before classfication of EEGs exclusively on the basis of measurements will become possible.
Zusammenfassung
Nachdem die quantitative Auswertung einiger EEG-Varianten mit Hilfe der Amplituden-Intervall-Analyse zwar signifikante Unterschiede in den Mittelwerten, aber kein einzelnes, ausreichendes Trennkriterium ergeben hatte, wurde nunmehr die Diskriminanzanalyse auf die vorliegenden Daten angewandt. Insgesamt wurden für jedes EEG 128 Parameter erhoben, von denen jedoch nur 104 in die Analyse einbezogen wurden, da die übrigen praktisch keine zusätzliche Information enthielten. Für 243 von den insgesamt untersuchten 298 Probanden waren die vorliegenden Daten so vollständig, daß sie in die Analyse einbezogen werden konnten. Es ergaben sich nur 15 (6,2 %) falsche Klassifikationen; bei Weglassung der (64) Kontrollen verminderte sich die Fehlerrate auf 3 (1,7 %).
Eine Kontrollstudie mit Hilfe eines Monte-Carlo-Verfahrens, bei dem das Trennkriterium zunächst für 80 % der Fälle errechnet wurde, und dann bei den restlichen 20 % ein Versuch der Klassifizierung gemacht wurde, hatte jedoch ein wesentlich ungünstigeres Ergebnis. Es müssen also noch mehr und bessere Trennkriterien gefunden werden, damit eine Klassifikation von EEG-Ableitungen nur aufgrund von Meßdaten möglich wird.
Key Words:
EEG-classification - Amplitude-interval-analysis - Genetic EEG-variations - Discriminant analysis
