Syntactic Pattern Recognition of Intermittent EEG Activity

Summary

Up to now, computerised processing of EEG signals has entered the domain of clinical application at most with respect to background activity and. the recognition of some intermittent basic patterns.

Although the EEG is a multichannel signal, this recognition is performed separately for each channel, taking into account at most the immediate past and future. The result is a set of intermittent basic patterns. They are to be looked at as constituents of “complex patterns” which correspond to the entities used in the visual assessment.

In this paper we present a method of uniting these basic patterns by means of syntactic pattern recognition algorithms. Together with this process the basic patterns are validated or devalidated, and the resulting complex EEG pattern is allocated to one of several pattern classes. To demonstrate how this procedure works, an example of artifact recognition is used. In order to get an acceptable performance, the process of syntactic pattern recognition is divided into a sequence of three steps. The resulting algorithms can be used for assessing clinical routine EEG. Some results are reported.

Soweit die Signalverarbeitung des EEG im Bereich klinischer Anwendung Eingang gefunden hat, beschränkt sie sich bisher auf die Beschreibung der kontinuierlichen Aktivität und auf die Erkennung einiger intermittierender Grundmuster. Die Erkennung dieser Grundmuster erfolgt im grundsätzlich mehrkanaligen EEG-Signal für jeden Kanal getrennt und berücksichtigt allenfalls eine gewisse zeitliche Umgebung. Die resultierenden Grundmuster sind als Bestandteile von »komplexen Mustern« aufzufassen, die den Einheiten entsprechen, die bei der visuellen Auswertung angesprochen werden.

In der vorliegenden Arbeit wird ein Verfahren vorgestellt, das mit den Algorithmen der syntaktischen Mustererkennung arbeitet und mit dem die erkannten intermittierenden Grundmuster zusammengefaßt werden können. Die Zusammenfassung geht mit einer Validierung der einzelnen Grundmuster und einer Klassifizierung der resultierenden komplexen EEG-Muster einher. Der Vorgang wird am Beispiel einer Artefakterkennung demonstriert.

Um ein in der Praxis brauchbares Verfahren zu erhalten, wird der ganze Vorgang syntaktischer Mustererkennung in drei hintereinandergeschaltete Stufen aufgeteilt. Damit ist ein Einsatz in der klinischen Routine möglich. Über erste Resultate wird berichtet.

Key-Words:

EEG Analysis - Syntactic Pattern Recognition - Multichannel Signal - Clinical Application

Schlüssel-Wörter:

EEG-Analyse - syntaktische Mustererkennung - Mehrkanalsignal - klinische Anwendung

• REFERENCES

• 1 Aho A. V, Ullman J. D. The theory of Parsing. Translation and Compiling. Engelwood Cliffs: Prentice Hall; 1972
• 2 Anderson R. H. Two-dimensional mathematical notation. In. Fu K. S. (Ed.) Syntactic Pattern Recognition, Applications. Berlin – Heidelberg -New York: Springer; 1977: 147-177.
• 3 Arvidsson A. A statistical method for detecting non-cerebral disturbances in EEG background activity. Research laboratory of medical electronics 9 79. Göteborg: Chalmers University of Technology; 1979
• 4 Bodenstein G, Praetorius M. Feature extraction from the electroencephalogram by adaptive segmentation. Proc. IEEE 1977; 65: 642-652.
• 5 Ferber G. Verfahren zur automatischen Beschreibung des EEG im Rahmen der klinischen Diagnostik]. Thesis, Hannover University. 1983
• 6 Ferber G, Hinrichs FL, Drescher D. Automatische Erkennung gruppierter EEG-Muster. Z. EEG/EMG. 1985: 16 in press
• 7 Ferber G, Künkel H. Die Bedeutung der automatischen EEG-Analyse für die klinische EEG-Befundung. Wiss. Z. Ernst-Moritz-Arndt-Univ. Greifswald. Med. Reihe XXVIII. 1979: 25-36.
• 8 Gotman J. Automatic recognition of epileptic seizures in the EEG. Elec-troenceph. clin. Neurophysiol 1982; 54: 530-540.
• 9 Gotman J, Ives J. R, Gloor P. Automatic recogniton of inter-ictal epileptic activity in prolonged EEG recordings. Electroenceph. clin. Neurophysiol 1979; 46: 510-520.
• 10 Gotman J, Gloor P. Automatic recognition and quantification of inter-ictal epileptic activity in the human scalp EEG. Electroenceph. clin. Neurophysiol 1976; 41: 513-529.
• 11 Harner R. N, Ostergren K. A. Computed topography. In. Cobb W. A, van Duijn H. Eds Contemporary clinical Neurophysiology. Electroenceph. clin. Neurophysiol., Suppl.34. Amsterdam: Elsevier; 1978
• 12 Künkel H. Elektroencephalographie und Psychiatrie. In. Kisker K. P. et al. (Hrsg.) Handbuch der Psychiatrie der Gegenwart. 2. Auflage. Berlin – Heidelberg – New York: Springer; 1980
• 13 Matousek 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., Suppl.34. Amsterdam: Elsevier; 1978
• 14 Michael D, Houchin J. Automatic EEG-analysis: A segmentation procedure based on the autocorrelation function. Electroenceph. clin. Neurophysiol 1979; 46: 232-235.
• 15 Pocklington P. R, Gutjahr L, Künkel H, Niethardt P, Reichertz P. L. System Support for the Routine Requirements of Clinical Neurophysiology. Lecture Notes in Medical Informatics. Vol. 1,. Berlin – Heidelberg – New York: Springer; 1978: 217-225.
• 16 Sanderson A. C, Segen J, Richey E. Hierarchical modelling of EEG-signals. IEEE Trans, pattern anal. mach, intellig. PAMI- 1980; 2: 405-415.