Entwicklung von Verfahren zur Vorhersage epileptischer Anfälle mit Zellularen Neuronalen Netzen
Zusammenfassung der Projektergebnisse
Epilepsie ist eine der häufigsten neurologischen Erkrankungen, von der ca. 50 Millionen Menschen weltweit betroffen sind. Bei mindestens einem Viertel der an einer Epilepsie erkrankten Menschen lassen sich epileptische Anfälle mit den z. Zt. zur Verfügung stehenden Standardtherapien (z.B. Medikamente, Epilepsiechirurgie) nicht oder nur unzureichend kontrollieren. Diese unbefriedigende Situation könnte mit einer bedarfsgesteuerten Hirnstimulation entscheidend verbessert werden, jedoch erfordert diese Therapiemöglichkeit den eindeutigen Nachweis von Anfallsvorboten im Elektroenzephalogramm (EEG). Die in den vergangenen Jahren weltweit erzielten Forschungsergebnisse belegen, dass mit verschiedenen, jedoch sehr komplexen Analyseverfahren Anfallsvorboten im EEG nachweisbar sind und sich damit die Möglichkeit der Vorhersage einzelner Anfälle bietet. Die Ergebnisse zeigen aber auch, dass die Anwendbarkeit von Anfallsvorhersageverfahren insbesondere für klinische Studien den Einsatz geeigneter Rechnersysteme mit universellen Berechnungseigenschaften und sehr hohen Verarbeitungsgeschwindigkeiten erfordert. Während der vergangenen Förderperiode konnte die Leistungsfähigkeit der bei uns entwickelten, auf Zellularen Neuronalen Netzwerken (CNN) basierenden EEG-Analyseverfahren weiter erhöht und ihre grundsätzliche Eignung durch Verwendung umfangreicher statistischer Testverfahren auch in Hinblick auf einen klinischen Einsatz untermauert werden. Die anhand von lang andauernden Vielkanal-EEG-Aufzeichnungen von 20 Patienten erzielten Ergebnisse zeigen, dass aufgrund der komplexen räumlich-zeitlichen Dynamik des epileptischen Prozesses ein kombinierter Einsatz verschiedener Vorhersageverfahren für einen prospektiven Nachweis von Anfallsvorboten sicherlich unabdingbar ist, wofür CNN prinzipiell aufgrund ihrer universellen Berechnungseigenschaften und den sehr hohen Verarbeitungsgeschwindigkeiten besonders geeignet sind. Die bei schaltungstechnischen Umsetzungen von EEG-Analyseverfahren identifizierten Ungenauigkeiten und Einschränkungen der zur Verfügung stehenden CNN-Chips verweisen allerdings auf die Notwendigkeit, neuartige Realisierungen dieser Netzwerke vorzunehmen. Vielversprechend ist hierbei die in der Förderperiode erfolgte CNN Implementierung auf rekonfigurierbaren Systemen (sog. Field Programmable Gate Arrays), die in einer erweiterten Form eine zukünftige Entwicklung leistungsfähiger, miniaturisierter Anfallsvorhersage- und Verhinderungssysteme ermöglichen könnte.
Projektbezogene Publikationen (Auswahl)
- (2008): A CNN-based synchronization analysis for epileptic seizure prediction: Inter- and intraindividual generalization properties. In: Vilarino DL, Ferrer DG, Sanchez VMB (eds.) Proceedings of the 2008 11th international Workshop on Cellular Neural Networks and their Applications. lEEE-Press, Catalog No: CFP08CNN-CDR, ISBN 978-1-4244-2090-2, p. 92-95
Krug D, Elger CE, Lehnertz K
- (2008): Toward an autonomous platform for spatiotemporal EEG-signal analysis based on cellular nonlinear networks. International Journal of Circuit Theory and Applications, Special Issue: Cellular Wave Computing Architecture, 36, 623-639
Gollas F, Niederhoefer C, Tetzlaff R
- (2009): Analysis of synchronization phenomena in human electroencephalograms with nonlinear excitable media. EURASIP Journal on Advances in Signal Processing, Article lD 582412
Chernihovskyi A, Elger CE, Lehnertz K
- (2009): Spatio-temporal analysis of brain electrical activity in epilepsy based on Cellular Nonlinear Networks. Proceedings of SPIE Europe, Microtechnologies for the new millennium, Proc. SPIE 7365, 73650E
Gollas F, Tetzlaff R
- (2011): Preictal directed interactions in epileptic brain networks. In: Osorio l, Zaveri HP, Frei MG, Arthurs S (eds.) Epilepsy: The Intersection of Neurosciences, Biology, Mathematics, Engineering and Physics. CRC Press, pp. 265-272. ISBN: 978-1-4398-3885-3
Lehnertz K, Krug D, Staniek M, Glüsenkamp D, Elger CE
- (2011): Spatio-temporal coupling of EEG Signals in epilepsy. In: Proc. SPIE 8068, S. 80680L
Senger V, Müller J, Tetzlaff R
