Time-frequency Analysis and Intelligent Data Modeling Methods

Time-frequency Analysis and Intelligent Data Modeling Methods

Cerebral Evoked Potential Estimation: Time-frequency Analysis
and Intelligent Data Modeling Methods
M. Sc. Jianhua Zhang
Lehrstuhl für Signaltheorie, Fakultät für Elektrotechnik und Informationstechnik
The cerebral evoked potentials (EPs) are electrical responses of the central nervous system to
sensory stimuli presented in a well-controlled paradigm. EPs are deeply buried in the spontaneous
EEG background activity, whose SNR is typically less than 0dB (even lower than -60dB sometimes).
The nature of poor SNR makes the EP estimation a formidable problem in the past decades in the field
of EEG/EP research. It is necessary and of interest to develop more powerful techniques for reliably
improving the SNR with much reduced number of trials. The new theoretical contributions of the work
are summarized as follows.
A. Due to their multi-resolution analysis capacity, wavelet transform and wavelet packet
transform methods are systematically explored for estimation and quantitative analysis of the EPs.
Mallat’s pyramidal algorithm is used to derive three wavelets and wavelet-packets based de-noising
approaches for estimating EP signal in the joint time-frequency domain.
B. The regularization network with an adaptive regularization training rule based on the steepest
gradient-descent optimization is proposed and then successfully applied to blind EP estimation.
C. A fast algorithm is proposed for optimizing the linear and nonlinear parameters in a general
adaptive fuzzy dynamical system, i.e., nonlinear adaptive fuzzy approximator (NAFA). The NAFA is
shown to be robust against the noise contaminating the I/O training data and hence applicable to
single-trial EP estimation problem, which rejects most parametric model based filtering (or estimation)
methods. In particular, we proposed a fast training method by combining Kalman filter and LMS
learning for NAFA model. As far as we know, the proposed NAFA technique is the only published
work, in which an adaptive fuzzy system is used for the estimation of EPs in a single trial.
The simulations and experiments are performed using simulated and clinical visual evoked
potential data recorded with a standard recording instrumentation. The feasibility and effectiveness of
the time-frequency analysis and intelligent data modeling methods proposed are validated by the
simulation and experimental results. The novel EP estimation methods have potential to be used as
computer-aided quantitative tools for unambiguous clinical diagnosis.
Schätzung zerebraler evozierter Potentiale: Zeit-Frequenz Analyse
und intelligente Verfahren zur Datenmodellierung
M.Sc. Jianhua Zhang
Lehrstuhl für Signaltheorie, Fakultät für Elektrotechnik und Informationstechnik
Zerebrale evozierte Potentiale (EPs) sind elektrische Antworten des zentralen Nervensystems auf
sensorische Anregungen, die durch geordnete Muster repräsentiert werden. Den EPs ist die spontane
EEG Hintergrundtätigkeit überlagert, was ein SNR von weniger als 0 dB zur Folge hat. Diese geringen
SNR-Werte machten die EP Schätzung zu einem der herrausfordernsten Probleme auf dem Gebiet der
EEG/EP Forschung in den letzten Jahrzehnten. Es besteht daher die Notwendigkeit, leistungsfähigere
Verfahren zur zuverlässigen Verbesserung des SNR unter Verwendung von nur wenigen Messungen
zu entwickeln. Nachfolgend sollen die Beiträge dieser Arbeit zusammengefasst werden.
i. Aufgrund ihrer Eigenschaft zur Mehrfach-Auflösung werden Wavelet- und Wavelet-PacketTransformationen systematisch auf ihre Anwendbarkeit zur Schätzung und quantitativen Analyse
von EPs untersucht. Der Pyramiden Algorithmus von Mallat dient dabei zur Herleitung von drei
Wavelet
und
Wavelet-Packet
basierten
Ansätzen
zur
Störunterdrückung
für
die
EP
Signalschätzung.
ii. Es wird ein Regelnetzwerk mit einer adaptiven, auf der Methode des steilsten Abstiegs basierenden
Trainingsregel vorgestellt und erfolgreich zur referenzdatenfreien EP Schätzung angewendet.
iii. Zur Optimierung von linearen und nichtlinearen Parametern in einem allgemeinen adaptiven
Fuzzy-System wird ein schneller Algorithmus verwendet, welcher als nichtlinearer adaptiver
Fuzzy-Approximator (NAFA) bezeichnet wird. Es wird gezeigt, dass der NAFA robust gegenüber
Störungen der I/O Trainingssequenzen ist und sich damit für EP Schätzungen auch aus einem
Einzelversuch eignet, was mit den meisten parametrischen modellbasierten Filter- bzw.
Schätzverfahren nicht möglich ist. Insbesondere wird eine schnelle Trainingsmethode vorgestellt,
welche auf der Kombination von Kalman-Filterung und LMS basierter Adaption des NAFA
Modells beruht. Nach Kenntnisstand des Autors ist der vorgeschlagene NAFA Ansatz die bisher
einzig veröffentlichte Arbeit, in der ein adaptives Fuzzy-System zur Schätzung von EP Signalen
zur Anwendung kommt.
Die Leistungsfähigkeit der vorgestellten Verfahren wird sowohl mit simulierten als auch
experimentellen EP Datensätzen von visuellen Reizen, die mit medizinischem Standardinstrumentarium aufgezeichnet wurden, überprüft. Die dabei erzielten Ergebnisse bestätigen die
Brauchbarkeit und Effektivität von Zeit-Frequenz Analyse und der vorgestellten intelligenten
Methoden zur Datenmodellierung. Die neuen EP Schätzverfahren beweisen somit ihr Potential zur
Verwendung als computergestützte quantitative Hilfsmittel für eindeutige medizinische Diagnosen.