BMBF-Projekt Künstlich intelligente funktionelle Gehirnanalyse (Artificially Intelligent Diagnosis of EEGs) Projektkoordination: Dr. Christoph Herrmann Max-Planck-Institut für neuropsychologische Forschung Teilprojekte: TP 1: Methodenentwicklung Max-Planck-Institut für neuropsychologische Forschung Dr. Christoph Herrmann / Dipl.-Inf. Thomas Arnold Postfach 500 355, 04303 Leipzig Tel.: 0341 / 9940-250 Fax.: 0341 / 9940-204 TP 2: Regelgenerierung und -evaluierung Universitätsklinikum Mainz Prof. Dr. Hanns Christian Hopf / Dr. Anke Visbeck Klinik für Neurologie, Langenbeckstr. 1, 55131 Mainz Tel. 06131 / 17-2510 Fax. 06131 / 17-5605 TP 3: Implementierung und Datenarchiv Walter Graphtek GmbH Dipl.-Ing. Uwe Walter Fabrikstr. 41, 23568 Lübeck Tel. 0451 / 69300-0 Gesamtziel: Eine Hauptzielsetzung der neurobiologischen Forschung ist die Erforschung biologischer Zusammenhänge der Gehirnfunktionen. Da auch die Erfindung hochtechnologisierter bildgebender Verfahren zur nichtinvasiven Analyse des Gehirns der letzten Jahre wie die Computertomographie und die Magnetelektroenzephalographie ausschließlich anatomische Einblicke in das Gehirn erlaubt, ist die bereits seit 1929 angewandte Elektroenzephalographie weiterhin ein wichtiges Werkzeug zur neurobiologischen Analyse. Lediglich die Positronen-Emissions-Tomographie erlaubt ebenfalls einen funktionellen Einblick in das Gehirn, der aber nicht auf elektrischer Aktivität basiert, sondern auf Sauerstoff- bzw. Glucoseumsatz. Einige Phänomene wie epilepsieassoziierte Gehirnpotentiale lassen sich aufgrund ihrer rein elektrischen Natur ausschließlich im EEG nachweisen [Zschocke95, S. 330]. Im Bereich der Grundlagenforschung sind in den letzten Jahren zahlreiche Ansätze entwickelt worden, die für bestimmte Phänomene eine computerunterstützte Analyse von EEGs erlauben. Allen Ansätzen inhärent ist die Begrenztheit auf eine kleine Anzahl von Phänomenen aus einem breiten Spektrum. Außerdem befinden sich die Entwicklungen der Prototypen im Forschungszustand, der ihren Einsatz nur in den entwickelnden Labors oder Kliniken erlaubt. Wir haben vor, durch den Zusammenschluß einer in Neurologie sehr erfahrenen Uniklinik, einer auf die Auswertung elektrophysiologischer Signale spezialisierten Forschungseinrichtung und einer Firma für EEG-Geräte, einen Ansatz zu entwickeln, der in ein routinemäßig vom Artz verwendetes EEG-Ableitegerät integriert wird. Dadurch kann das entwickelte Verfahren in der Praxis erprobt und verfeinert werden. Zur Erkennung von EEG-Phänomenen sollen vom Neurologen formulierte Regeln verwendet werden. Im EEG auftretende Phänomene sind durch Frequenz und Amplitude der Schwingung, Lokalisation über dem Cortex und zeitlicher Ausprägung charakterisiert. Diese Parameter müssen daher aus dem digitalen EEG mit Hilfe bestimmter Methoden extrahiert werden, um die Basis für eine regelbasierte Analyse zu bilden. Wichtig ist die gleichzeitige Verfügbarkeit des graphisch repräsentierten EEGs und des Analyseergebnisses, damit dem Auswerter die Möglichkeit gegeben wird, das automatische Ergebnis am Original-EEG zu überprüfen. In unserem Ansatz sollen Verfahren der Signalanalyse, Mustererkennung und Künstlichen Intelligenz angewendet werden, um das menschliche Auswertungsverfahren zu modellieren. Zusätzlich zu den vom Neurologen formulierten Regeln werden weitere Regeln von einem künstlichen neuronalen Netz erlernt. Die Extraktion der einzelnen EEG-Parameter aus dem digitalen EEG erfolgt mit Hilfe der adaptiven Frequenzdekomposition, einem speziellen signalanalytischen Verfahren, das aus einer Kooperation der Projektpartner Prof. Hopf und Dr. Herrmann enstanden ist. Die Kategorisierung der analytischen Parameter soll mit unscharfen Attributen, wie ``eher'' oder ``sehr'' relisiert werden, um der Vagheit menschlicher Äußerungen Rechnung zu tragen. Dies erfolgt über eine unscharfe Logik, die sogenannte Fuzzy-Logik, die auf linguistischen statt mathematischen Variablen basiert und eine sprachäquivalente Repräsentation von Wissen erlaubt.