Neue Verfahren zur signal-adaptiven, zeitvarianten Analyse von Phaseneigenschaften und gerichteten Interaktionen von und zwischen EEG/MEG-Oszillationen
Zusammenfassung der Projektergebnisse
In der ersten Förderphase ist der Fragestellung nachgegangen worden, ob für spezielle Signaleigenschaften ein jeweils optimiertes, signaladaptives Analyseverfahren entwickelt werden kann. Signaladaptiv im Sinne der anvisierten Methodenentwicklungen bedeutet, dass sich diese Analyseverfahren automatisch, d. h. ohne Voreinstellungen durch den Nutzer, an die Signaleigenschaften anpassen. Die Besonderheit und Herausforderung für das Gesamtprojekt bestand darin, dass die Anpassung zeitabhängig (zeitvariant) sein sollte, um kurzzeitig auftretende Signaleigenschaften analysieren zu können. Es sollten insbesondere zeitvariante Phaseneigenschaften von Signalen (Signalkomponenten) und zeitvariante gerichtete Interaktionen (Konnektivitätsanalyse) zwischen Signalkomponenten analysiert werden. Ausgangspunkt für die Neuentwicklungen bildeten verschiedene Versionen der Empirical Mode (EMD), der eigenentwickelten Matched Gabor Transform (MGT) und des Grangerkausalitätsindex (GCI). Die Anwendungsstudien zur Testung der Verfahrensentwicklungen wurden bzw. werden mit klinischen Daten durchgeführt. Der fundamentale Vorteil der MGT-basierten Methode für die Analyse nichtlinearer Phasenkopplungen (quadratische Phasenkopplungen) ist, dass die resultierende Verbesserung der Ergebnisse zu einer erhöhten Interpretationssicherheit führt. Für die EMD-basierten Entwicklungen wurden fünf EMD-Verfahren in einer Toolbox zusammengefasst und mit Simulationen sowie Anwendungsdaten getestet. Ein signaladaptiver, frequenzselektiver GCI konnte unter Verwendung der EMD entwickelt werden. Insgesamt ist das Konzept der frequenzselektiven bzw. signaladaptiven Granger-Kausalität in drei Richtungen ausgelotet worden: (1) filterbasiert, (2) signal-adaptiv parameterfrei (EMD) sowie (3) signal-adaptiv parametrisch. Der Einsatz von univariaten EMD-Verfahren bringt es mit sich, dass das Korrespondenzproblem zwischen den resultierenden Komponenten bei Einbeziehung von Messwiederholungen und unterschiedlichen Personen in verschiedenartiger Ausprägung auftritt. Wir haben mit dem erweiterten Kuhn-Munkres-Algorithmus (eKMA) eine gute Zuordnungsgenauigkeit erreicht. Als Vergleichsverfahren wurden die hierarchische und k-means-Clusterung genutzt. Die zweite Förderphase baute konsequent auf die Ergebnisse der ersten Phase auf, wobei die Schwerpunkte auf der Neu- bzw. Weiterentwicklung eines alternativen Verfahrens zur signaladaptiven Signalzerlegung und zur zeitvarianten, nichtlinearen Kopplungsanalyse lagen. Unter Beibehaltung der IMF-Definition (IMF- Intrinsic Mode Function) wurde eine Alternative zu den univariaten EMD-Verfahren entwickelt. Dieser Algorithmus ist hinsichtlich seiner elementaren Vorgehensweise völlig anders als alle bisherigen EMD-Versionen, die zuerst die IMFs extrahieren, aus denen dann die Momentanamplitude (Hüllkurve), Momentanphase und -frequenz berechnet werden (Hilbert-Transformation). Das neue Verfahren schätzt zuerst die Momentanamplituden und -phasen (erste Ableitung der Momentanphase ist die Momentanfrequenz) der im Signal enthaltenen Oszillationen, um danach die entsprechenden IMFs zu „rekonstruieren“. Wegen der direkten Berechnung der Momentanparameter aus den Daten wurde die Verfahrensbezeichnung dIMF für "direktes IMF-Verfahren" gewählt. Es tritt weiterhin das Korrespondenzproblem auf, das jedoch mit weiteren Verfahrensoptimierungen des eKMA umfassend behandelt werden kann. Geeignete Lösungstechniken dazu wurden in das Gesamtverfahren integriert. Der CCM-Ansatz (Convergent Cross Mapping) sollte als Methodenkern für die Entwicklung von Verfahren zur signaladaptiven, frequenzselektiven, nichtlinearen Interaktionsanalyse dienen. Die Kombination mit einer für die Anwendungen geeigneten EMD-Methode konnte die zeitvariante Frequenzselektivität des Gesamtverfahrens sichern. Die Anwendungstests beinhalten den methodenkritischen Vergleich mit anderen Verfahren der zeitvarianten Konnektivitätsanalyse. Die Verfahren aus der 2. Förderphase wurden insbesondere auf EEG- und Herzfrequenz-Daten von Kindern mit Epilepsie und auf EEG-Daten von Neugeborenen sowie sedierten Patienten mit Schädel-Hirn-Trauma angewandt.
Projektbezogene Publikationen (Auswahl)
- Synchronization analysis between heart rate variability and EEG activity before, during, and after epileptic seizure. Biomed Eng-Biomed Tech 59(2014), 323-333
Piper, D., Schiecke, K., Leistritz, L., Pester, B., Benninger, F., Feucht, M., Ungureanu, M., Strungaru, R., Witte, H.
(Siehe online unter https://doi.org/10.1515/bmt-2013-0139) - Time-variant coherence between heart rate variability and EEG activity in epileptic patients: An advanced coupling analysis between physiological networks. New Journal of Physics (2014), Art.Nr. 16 115012
Piper, D., Schiecke, K., Pester, B., Benninger, F., Feucht, M., Witte, H.
(Siehe online unter https://doi.org/10.1088/1367-2630/16/11/115012) - Time-variant, frequency-selective, linear and non-linear analyses of heart rate variability in children with temporal lobe epilepsy. IEEE Transactions on Biomedical Engineering 61(2014), 1798-1808
Schiecke, K., Wacker, M., Piper, D., Benninger, F., Feucht, M., Witte, H.
(Siehe online unter https://doi.org/10.1109/TBME.2014.2307481) - Advanced insights into functional brain connectivity by combining tensor decomposition and partial directed coherence. PlosOne 10(2015)
Pester, B., Ligges, C., Leistritz, L., Witte, H., Schiecke, K.
(Siehe online unter https://doi.org/10.1371/journal.pone.0129293) - Assignment of Empirical Mode Decomposition Components and Its Application to Biomedical Signals. Methods Inf Med 54(2015), 461-473
Schiecke, K., Schmidt, C., Piper, D., Putsche, P., Feucht, M., Witte, H., Leistritz, L.
(Siehe online unter https://doi.org/10.3414/ME14-02-0024) - Matching Pursuit Based Time-Variant Bispectral Analysis and its Application to Biomedical Sianals. IEEE Transactions on Biomedical Engineering. 62(2015), 1937-1948
Schiecke, K., Wacker, M., Benninger, F., Feucht, M., Leistritz, L., Witte, H.
(Siehe online unter https://doi.org/10.1109/TBME.2015.2407573) - A time-domain frequency-selective multivariate Grander Causality approach. Engineering in Medicine and Biology Society (EMBC), 2016 38th Annual International Conference of the IEEE. 5485-5488
Leistritz, L., Witte, H.
(Siehe online unter https://dx.doi.org/10.1109/EMBC.2016.7591968) - Discussion of “Computational Electrocardiography: Revisiting Holter ECG Monitoring". Methods Inf Med 55(2016), 312-321
Baumgartner, C., Caiani, E.G., Dickhaus, H., Kulikowski, C.A., Schiecke, K., van Bemmel, J.H., Witte, H.
(Siehe online unter https://doi.org/10.3414/ME15-15-0009) - Nonlinear Directed Interactions between Heart Rate Variability and EEG Activity in Children with Temporal Lobe Epilepsy. IEEE Transactions on Biomedical Engineering. 63(2016), 2497-2504
Schiecke, K., Pester, B., Piper, D., Benninger, F., Feucht, M., Leistritz, L., Witte, H.
(Siehe online unter https://doi.org/10.1109/TBME.2016.2579021)
