On methods for pattern recognition with application to epileptic electroencephalograms

Sammanfattning: Popular Abstract in Swedish Elektroencefalogrammet (EEG), dvs mätning av potentialer på skalpen, är en relativt enkel och gammal teknik för att studera hjärnans aktivitet. Trots de stora framstegen inom s k brain-mapping-tekniker på senare år (magnetröntgen, PET, SPECT), är EEG fortfarande ett viktigt verktyg för diagnos. En av dess fördelar gentemot andra tekniker är dess fina tidsupplösning. Ett stort användningsområde för EEG-signalen är diagnosticering av epilepsi. Epilepsi yttrar sig i EEG på framför allt två olika sätt: vid anfallsstart sker en förhöjning av signalenergin, och mellan anfallen kan förekomma spontana transienter, s k spikar. Spikarna är viktiga eftersom man antar att de ofta härrör från epileptiska fokus. Även anfallsstarter används för lokalisation av fokus. Denna avhandling behandlar olika tekniker för signalbehandling av flerkanaligt uppmätta EEG-signaler från epileptiker, närmare bestämt spikar och anfallsstarter. För att få kunskap om de epileptiska fokusen, t ex deras antal och placering i hjärnan vill man kategorisera spikar. Eftersom kategorierna ofta är illa definierade då de uppmäts på skalpen krävs statistisk robustitet hos kategoriseringsalgoritmen. Dessutom önskar man att spikar av samma kategori är synkroniserade till varandra innan man utför kategorisering, eftersom annars kategorierna kan vara svåra att finna. Den rika förekomsten av störning i signalerna påkallar metoder för brusreduktion. Dessa avgränsade problem studeras i tre av avhandlingens fem delar. Den sista delen handlar om brusreduktion i anfallsstart-EEG, vilket kräver tekniker avpassade till icke-stationära signaler eftersom anfallsstart-EEG har ett snabbt varierande frekvensinnehåll.