Relevanz der Klassifikation iktualer Muster in einer EEG-Datenbank für die Entwicklung und Evaluation von Algorithmen zur automatisierten Detektion von Anfallsmustern

Wiederholt wurden Algorithmen zur Detektion von Anfallsmustern im Oberflächen-EEG entwickelt. Aufgrund der polymorphen Gestalt iktualer EEG-Muster ist die Sensitivitität und Spezifität dieser Algorithmen bislang nicht für alle Anwendungen ausreichend. In der vorliegenden Studie wird untersucht, ob eine Klassifikation von Anfallsmustern in einer Langzeit-EEG-Datenbank dazu beitragen kann, die selektive Leistungsfähigkeit von Klassifikatoren zu untersuchen und basierend hierauf zu einer Optimierung der automatischen Anfallsdetektion durch Kombination von Klassifikatoren beizutragen. 60 periiktuale EEG-Datenblöcke…