<Desc/Clms Page number 1>
Die Erfindung betrifft eine Vorrichtung zur Bestimmung Von Kennwerten physiologischer Signale unter Einsatz Neuraler Netze. Die Anwendung bezieht sich vor allem auf Signale, die durch dynamischen,
EMI1.1
EEG, EMG etc. ), magnetishe Biosignale (MKG, MEG, MMG etc.), aber auch Signale plethysmographlscher Verfahren (Impedanzplethysmographie, elektrische Feldplethysmographie etc. ). All diesen Signalen ist gemein dass Zeitverläufe periodischen Charakters bestenfalls in kleinen Zeitabschnitten vorliegen Trotzdem ist es üblich, das Signal durch Kennwerte wie Amplitude und Frequenz zu charakterisieren. Diese Signalkennwerte sind ihrerseits Funktionen der Zeit-die Frequenz versteht sich als sogenannte Momentanfrequenz.
Die zeitliche Auflösung-bzw die Mittelungs-oder Fensterzeit-ist dabei üblicherweise von der Grössenordnung einer bis einiger Sekunden, wahrend die zeitliche Auflösung des biologischen Signals selbst zumindest mit 0, 1 Sekunden angesetzt wird. In der Medizin kommt derartigen Signalkennwerten oft entscheidender Wert als Diagnosehilfe zu. Als konkretes Beispiel sei die zentrale Bedeutung von zeitlichen Veränderungen der Herzfrequenz genannt.
Die oben angeführten Signaltypen spiegeln in der Regel die physiologische Tätigkeit bestimmter Organe des menschlichen oder tierischen Organismus wider. Typischerweise treten dabei aber auch Artefakte auf, wobei es sich um Signalanteile handeln kann, die sich aus Unvollkommenheiten der Messtechnik ergeben oder aber auch um solche, welche die physiologische Tätigkeit anderer, nicht interessierender Organe widerspiegeln. In beiden Fallen bemüht man sich um möglichst starke Artefakunterdrückung, wobei konventionelle Verfahren meist auf Hard-oder Software-Realisierungen von Filtern oder auch Korrelationsmethoden basieren. Neue Verfahren machen auch vielfach von Neuralen Netzen gebrauch, welche ebenfalls als Hard-oder Software implementiert werden können.
Als Beispiel sei die Artefaktbereinigung von EKG-Signalen erwähnt (vergl. z. B. IEEE Trans. Biomed. Eng.
29, 317-329, 1992). Üblicherweise werden an den Netzeingang dabei N Abtastwerte des artefaktbehafteten Signals gelegt, welche N aufeinanderfolgenden Zeitpunkten entsprechen. Eine einfache Möglichkeit der Netzgestaltung besteht darin, ein einziges Ausgangsneuron anzusetzen, das jenen-artefaktbefreiten-Wert liefert, der z. B. dem ersten Zeitpunkt zukommt. Die Folge der derartig ermittelten Werte ergibt das resultierende bereinigte Signal. Die diagnostische Relevanz kann nun dann liegen, dass Details des Zeitverlaufes vom Arzt-vorwiegend auf empirischer Basis-ausgewertet werden. In vielen Fallen hingegen interessieren nur bestimmte, schon erwähnte Signalkennwerte. Dabei besteht der Wert der Artefaktbefreiung z. B. darin, dass der Zeitverlauf der Frequenz mit erhöhter Sicherheit gewonnen werden kann.
Die Bestimmung der Frequenz kann über eine spektrale Auswertung des Signals mittels hochwertiger Filterung vorgenommen werden. Oder sie erfolgt digital aus N Abtastwerten mit Hilfe der FourierTransformation, wobei die repräsentative Mittelungszelt durch eine Fensterfunktion (z. B. Hamming-Fenster) definiert wird. Der unmittelbare, entsprechende Einsatz eines Neuralen Netzes erscheint zunächst wohl
EMI1.2
in den N Abtastwerten mit nicht definierter Phasenlage enthalten sein wird. Beispielsweise ein Signalmaximum entfällt damit je nach Phasenlage auf unterschiedliche Eingangsneuronen, was das Mustererkennungsproblem erheblich erschwert.
Eine mögliche bekannte Variante ist es, mittels eines Neuralen Netzes das Vorliegen von ORS-Komplexen zu erkennen und in einem weiteren Schritt, die Frequenz aus der auf die Mittelungszelt entfallenden Anzahl der Komplexe zu bestimmen.
Letztlich kann-im Rahmen bekannter Anwendung eines Neuralen Netzes-ein solches auch noch dazu verwendet werden, aus der Kombination der Grössen verschiedener Signalkennwerte Diagnosen zu erstellen, die durch Diagnosekennwerte codiert werden. Deren Zahlenwerte stehen z. B. für das Mass der Abgesichertheit eines bestimmten Befundes oder auch für die verschiedenen zur Auswahl stehenden Varianten der Diagnose. Dies entspricht dem breiten Anwendungsgebiet Neuraler Netze, das darin besteht, eine Identifikation eines Gegenstandes durch assoziative Auswertung verschiedener Merkmale vorzunehmen Damit ergäbe sich im Extremfall eine Senenschaltung von drei Neuralen Netzen : eines artefaktbereinigenden, eines slgnalkernwertbestimmenden und eines diagnoseerstellenden Netzes.
In beliebiger Kombination können einzelne Netze freilich auch durch konventionelle Signalverarbeitungsbausteine ersetzt werden
Wesentliches Merkmal der oben beschriebenen Vorrichtungen ist, dass der eigentlich interessierende Signalkernwert-Im gewähiten Beisplelsfall also die Frequenz-bzw. auch der abgeleitete Diagnosekennwert-nicht unmittelbar, sondern in mehreren Verfahrensschritten bestimmt wird. Damit ergibt sich der Nachteil hohen Aufwandes an"intelligenter"Hard-bzw. Software und auch jener hoher Signalverarbeitungszeit. welche vor allem bei on-line-Darstellungen von Signalkennwerten unerwünscht ist.
Zur Veranschaulichung des nach bekannten Verfahren in Kauf genommenen Aufwandes seien im folgenden einige konkrete Entwicklungen angeführt.
In DE 4327323A1 wird ein Messsystem beschrieben, bei dem unter Einsatz eines Neuralen Netzes "eine Eigenschaft physiologischer Aktivität" dadurch ermittelt wird, dass zwar von (im Minimalfall) nur einer
<Desc/Clms Page number 2>
einzigen physikalischen Grösse ausgegangen wird, diese aber für eine grössere Anzahl von Signalen bestimmt wird, wobei letztere durch eine Anzahl räumlich verteilter Sensoren detektiert werden. Hoher Aufwand wird hier also auf der Ebene der Signaldetektion eingegangen. In EP 433 626 A2 wird zwar von nur einem Sensorsignal ausgegangen.
Allerdings werden als Eingangsgrössen eines Neuralen Netzes zahlreiche Signalkenngrössen ermittelt, wie Spike-Amplituden, Spike-Dauern inklusive entsprechenden Histogrammgrössen, Zahl der Nulldurchgänge, sowie minimale, mittlere und maximale Frequenz, zu deren Ermittlung Methoden der Fourier-Transformation vorgeschlagen werden. Hier liegt der hohe Aufwand in der Bestimmung physikalisch klar definierter Kenngrossen, zu deren Ermittlung aufwendige Algorithmen bzw.
Rechenverfahren eingesetzt werden müssen-im Falle von Hardwareimplementierungen aufwendige elektronische Signalverarbeitungskomponenten. Letztlich in WO 91 03979 A1 werden zur Charakterislerung der Atmung aus drei Sensorsignalen sogar 39 Klar definierte Signalkennwette gebildet und einem Neuralen Netz zur Alarmauslösung zugeführt.
Ausgangspunkt der vorliegenden Erfindung ist die Erkenntnis, dass die exakte Ableitung physikalisch klar definierter Signalkennwerte in einem grundsätzlichen Widerspruch zur analytisch nicht beschreibbaren
EMI2.1
es ungerechtfertigt, die Netzeingangsgrössen mit aufwendigen Methoden aufzubereiten, wobei hier gleichermassen Aufwand an Hardwaremittetn (präzise Messinstumente, exakte Filter etc. ) als auch entsprechend arbeitsaufwendig erstellte Softwarekomporenten (on-line-Verarbeitungen erschwerend langer Rechenzeiten) gemeint ist. Statt dessen wird davor ausgegangen, dass die Netz-Leistungsfähigkeit erhalten bleibt, wenn die Erstellung der Netzeingangsgrössen mit einfachsten Komponenten undefinierter-weitgehend dem Zufall Uberiassener-Charakteristik vorgenommen wird.
Die Erfindung zielt darauf ab, einen Kennwert in unmittelbarer Weise, ohne zusätzliche artefaktunterdrückende Massnahmen durch Einsatz eines einzigen Neuralen Netzes ohne Aufwand hochwertiger Filter und ohne Anfall langer Stgnaiverarbeitungszeiten aus dem Signal zu gewinnen. Dies wird erreicht, indem das Signal in paralleler Weise in mehrere Quasikennwertdetektoren eingespeist wird, deren Ausgänge mit den Eingangsneuronen des Neuralen Netzes verbunden sind.
Die Erfindung wird dadurch realisiert, dass mehrere einfachst aufgebaute und damit weitgehend zufällig ausfallende Übertragungseigenschaften aufweisende, unterschiedliche Quasikennwertdetektoren vorgesehen sind, denen die physiologischen Signale zugeleitet werden und welche für die vorgesehene Mittelungszelt zwar charakteristische, ansonsten aber physikalisch nicht klar definierte Quasikennwerte bis ausgeben, wobei die Quasikennwerte den Eingangsneuronen des Neuralen Netzes zugeführt werden, welches auf die Ausgabe des eigentlich interessierenden Signalkennwertes, wie beispielsweise der Momentanfrequenz, trainiert wird.
Der Grundgedanke dieser Vorgangswelse besteht darin, das Signal mit einfachsten Mitteln durch eine Reihe von Quasikennwerten zu charakterisieren, denen-neben der Forderung möglichst hoher gegenseitiger Unabhängigkeit bzw. Korrelation-keine definierbare physikalische Bedeutung zukommt. Bei einerangesichts hoher Signalverarbeitungsgeschwindigkeit paralleler Signalverarbeitung günstigen - Hardware- ausführung kann ein Quasikennwert z. B. durch einen Detektor gewonnen werden, der einen aus wenigen Schaltelementen (Widerständen, Kondensatoren, Induktivitäten, Dioden etc.) zusammengesetzten Vierpol enthält. Damit wird das Signal in weitgehend beliebiger Weise verzerrt bzw. umgeformt, wie es beispielsweise durch ein passives Filter geringer Güte geschieht.
Am Ausgang des Vierpols wird als Quasikennwert ein Signalwert gefordert, welcher ein Charakteristikum für die der Mittelungszelt entsprechende Dauer des verzerrten Signals darstellt.
Erfindungsgemäss werden "Quasikennwertdetektoren" eingesetzt, mit denen nicht physikalisch klar definierte Kennwerte hergeleitet werden - wozu speziell bel physiologischen Signalen hochwertige Signal- verarbeitungskomponenten anfallen würden-sondern eben nur"Quasikennwerte", die sich aus der Charakteristik einfachst und weitgehend beliebig aufgebauter Detektoren ergeben. Ein derartiger Detektor liefert für ein vorgegebenes Signal wohl einen reproduzierbaren und damit charakteristischen Kennwert. Allerdings wird dem letzteren kerne klar definierbare physikalische Bedeutung und Benennbarkeit zukommen.
Der Detektor liefert also weder einen"Gleichrichtmittelwert", noch einen"Mittelwert"oder"Scheitel- wert", sondern ein Charakteristikum, das sich aus der einfachen, spezifischen Konstruktion des eingesetzten Vierpols (bel Hardware-Realisierung) oder der entsprechenden Softwarekomponente ergibt Aus der Einfachheit resultiert eine Ausgangsgrösse, der im Rahmen herkömmlicher Betrachtungsweise durch den Physiker oder den Mediziner kaum Wert zukommen wird, die aber einem Neuralen Netz durchaus als "quas ! Kenngrösse"zugemutet werden kann, nachdem das Netz auf die Verarbeitung dieser Grösse ja spezifisch trainiert wird.
Im Sinne geringen Aufwandes bel der Erstellung ausreichend vieler Quasikennwerte ist es vorteilhaft, die Detektoren aus zwei in Sene geschalteten Telivierpolen aufzubauen, einem Verzerrer und einem
<Desc/Clms Page number 3>
Kenngrössenbildner. Als Verzerrer kommen einfach aufgebaute Vierpole in Frage, welche die Amplituden und Phasen der Signalharmonischen in möglichst unterschiedlicher Weise beeinflussen, womit aus einem dynamischen Eingangssignal s mehrere unterschiedlich verzerrte dynamische Ausgangssignate v gewonnen werden. Wie schon erwähnt können z. B. einfachst aufgebaute Filter mit Tief-, Hoch-oder Bandpasseigen- schaften eingesetzt werden. Als Kenngrössenbildner kommen Vierpole in Frage, die z.
B. dem Scheitelwert, dem Mittelwert oder dem Effektivwert des verzerrten Signals nahe kommende Werte als Quasikennwerte 0 ausgeben (Anm. : derartige Vierpole wird man zweckmässigerweise auch auf das unverzerrte Signal ansetzen). Wesentlich ist dabei, dass auch an diesen zweiten Vierpol nur geringste Anforderungen zu stellen sind. Ein Scheitelwertbildner kann also beispielsweise weitgehend beliebig hohen Fehler aufweisen, soferne der
Fehler reproduzierbar ausfällt. Bei Hardwareimplementierung ergeben sich damit einfache, billig herstellbare, geringsten Platz beanspruchende Komponenten. Entsprechendes gilt auch für eine eventuelle Ablegung auf Software.
Die Ausgänge von n Kenngrössenbiidnern werden erfindungsgemäss an ein Neurales Netz gelegt, das n Eingangsneuronen aufweist und dessen Aufgabe es ist, in assoziativer Weise aus den n, durch die Quasikennwerte repräsentierten Signal merkmalen auf die eigentlich interessierende Kenngrösse zu schlie- ssen. Je nach Komplexheit der Aufgabe wird das Netz ein oder auch zwei verborgene Schichten aufweisen.
Im einfachsten Fall werden ein oder auch mehrere Ausgangsneuronen für einen einzigen interessierenden Kennwert stehen. Interessieren mehrere Signalkennwerte, also z. B. die Frequenz und die Amplitude des Signals, so können für den zweiten Kennwert weitere Ausgangsneuronen vorgesehen werden, wobei eine Verbreiterung der verborgenen Schichten vorteilhaft sein wird. Als Alternative bietet es sich an, dem Netz ein dem zweiten Kennwert gewidmetes zweites Netz eingangsseitig parallel zu schalten, was den Vorteil besserer Konvergenzen erbringen kann. Das Netztraining erfolgt in bekannter Weise anhand von repräsentativen Signalen, deren Kennwerte mit konventionellen Verfahren bestimmt wurden.
Wie schon erwähnt ist es in der medizinischen Praxis üblich, die ermittelten Signalkennwerte-bzw. deren Zeitverlauf-als Diagnosehilfen zu verwenden. Für letzteren Fall ist erfindungsgemäss vorgesehen, Diagnosekennwerte unmittelbar aus den Quasikennwerten herzuleiten. Dafür wird ein Neurales Netz verwendet, das so wie oben für Signalkennwerte beschrieben aufgebaut ist, vorteilhafterweise aber-gegenüber der Anzahl n-zusätzliche Eingangsneuronen aufweist. An sie werden Signale gelegt, welche für Zusatzinformationen codieren. Diese können sich beispielsweise auf den Patienten beziehen, indem sie für sein Alter, Geschlecht oder auch für das Resultat diagnostisch relevanter Befunde stehen Sie können aber auch für die äusseren Bedingungen stehen, unter denen das physiologische Signal abgeleitet wurde, also z.
B. für die Raumtemperatur oder für eine ergometrische Belastung des Patienten.
Aufgabe des Netzes ist es nun, aus der Gesamtheit von Quasikenngrössen des physiologischen Signals und der Zusatzinformationen in assoziativer Weise auf die Ausgeprägtheit des einer bestimmten Diagnose entsprechenden physiologischen Verhaltensmusters und damit auf die Wahrscheinlichkeit der Gültigkeit dieser Diagnose zu schliessen. Der entsprechende Diagnosekennwert wird in analoger Weise zum oben beschriebenen Fall eines Signalkennwertes erstellt. Unter der Voraussetzung von in ausreichendem Masse repräsentativem Trainingsmaterial fällt auch im hier vorliegenden Fall keine zusätzliche Massnahme einer Artefaktbefreiung an.
In den Abbildungen ist die Erfindung anhand von zwei Beispielen zur Ausführung der Vorrichtung veranschaulicht. Bild 1 bezieht sich auf die Erstellung eines Signalkennwertes, Bild 2 auf jene von Diagnosekennwerten.
Bild 1 zeigt ein konkretes Beispiel zum Fall der Auswertung eines EEG-Signals, für welches der Zeitverlauf der Momentan-Grundfrequenz bei einer Mittelungszeit von einer Sekunde bestimmt werden soll. Das mit Elektroden (1) und einem EEG-Verstärker (2) gewonnene Signal (s) wird an drei Quasikennwertdetektoren (3, 4, 5) gelegt. Der Detektor (3) beinhaltet einen Verzerrer (6) mit Tiefpasscharaktenstik, der Detektor (4) einen Verzerrer (7) mit Hochpasscharakteristik, wobei die Grenzfrequenzen etwa in der Mitte des zu erwartenden Frequenzschwankungsbereiches angesetzt sind. Im Detektor (5) wird das Signal (s) unverzerrt weitergegeben ; d. h. der Verzerrer (8) entartet zu einer Durchverbindung.
Die drei derartig gewonnenen Signale (v,), (V2) und (V3) werden jeweils an drei Kenngrössenbildner (9, 10, 11) gelegt, die eine Sekunde lange Signalabschnitte kennzeichnen Die Kenngrössenbildner (9) liefern in Näherung die Spitzenwerte, jene (10) die Effektivwerte und jene (11) die Mittelwerte. Somit werden letztlich neun Quasikennwerte (Q,) bis (Qg) gewonnen Im Einsekundentakt werden sie dem Neuralen Netz (12) an neun Neuronen (13) der Eingangsschicht zugeführt. Das Netz ist dreischichtig aufgebaut und beinhaltet in der verborgenen Schicht 5 Neuronen (14).
Das Ausgangsneuron (15) liefert ein Signal (A), welches ein Mass für die gesuchte Frequenz darstellt
Auch Bild 2 zeigt ein konkretes Beispiel zur Auswertung eines EEG-Slgnals, wobei nun aber der Zeitverlauf der Ausgeprägtheit von auf Krampfbereitschaft hinweisenden Signalmustern und die Abgesi-
<Desc/Clms Page number 4>
cherthelt eines entsprechenden Befundes erfasst werden sollen. Dazu sind am Eingang des Netzes (16) zusätzlich zu den neun den Quasikennwerten (0,) bis (Qg) zugeteilten Neuronen (13) zwei weitere Neuronen (17) für Signale (Zi) und (Z2) vorgesehen, weiche für Zusatzinformationen codieren. Damit ergeben sich 11 Eingangsneuronen. (zut) codiert für den Patiententyp bei Berücksichtigung des Alters.
(Z2) codiert für den Wachheitsgrad (Tiefschlaf bis volle Wachheit). Entsprechend der gegenüber dem Fall von Bild 1 höheren Informationsdichte beinhaltet die verborgene Schicht ebenfalls 11 Neuronen (18), welche In zwei Ausgangsneuronen (19) münden. Das Ausgangssignal (A,) ist ein Mass für die Ausgeprägtheit von auf Krampfbereitschalt hinweisenden Signalmustern. Das Ausgangssignal (A2) ist ein Mass für die Abgesichertheit des vom Anwender definierten Befundes.
Patentansprüche 1. Vorrichtung zur Bestimmung von Kennwerten physiologischer Signale unter Einsatz eines Neuralen
Netzes, dadurch gekennzeichnet, dass mehrere einfachst aufgebaute und damit weitgehend zufällig ausfallende Übertragungseigenschaften aufweisende, unterschiedliche Quasikennwertdetektoren (3, 4,5) vorgesehen sind, denen die physiologischen Signale (s) zugeleitet werden und welche für die vorgese- hene Mittelungszeit zwar charaktenstische, ansonsten aber physikalisch nicht klar definierte Quasikenn- werte (qui) bis (Qg) ausgeben, wobei die Quasikennwerte den Eingangsneuronen (13) des Neuralen
Netzes (12) zugeführt werden, weiches auf die Ausgabe des eigentlich Interessierenden Signalkennwer-
EMI4.1