DE19608733C1 - Verfahren zur Klassifikation einer meßbaren Zeitreihe, die eine vorgebbare Anzahl von Abtastwerten aufweist, insbesondere eines elektrischen Signals, durch einen Rechner und Verwendung des Verfahrens - Google Patents

Verfahren zur Klassifikation einer meßbaren Zeitreihe, die eine vorgebbare Anzahl von Abtastwerten aufweist, insbesondere eines elektrischen Signals, durch einen Rechner und Verwendung des Verfahrens

Info

Publication number
DE19608733C1
DE19608733C1 DE19608733A DE19608733A DE19608733C1 DE 19608733 C1 DE19608733 C1 DE 19608733C1 DE 19608733 A DE19608733 A DE 19608733A DE 19608733 A DE19608733 A DE 19608733A DE 19608733 C1 DE19608733 C1 DE 19608733C1
Authority
DE
Germany
Prior art keywords
time series
classification
signal
samples
parameterized
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
DE19608733A
Other languages
English (en)
Inventor
Gustavo Dr Deco
Bernd Prof Dr Schuermann
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Priority to DE19608733A priority Critical patent/DE19608733C1/de
Priority to US09/142,237 priority patent/US6117074A/en
Priority to EP97914158A priority patent/EP0885422A1/de
Priority to JP9531331A priority patent/JP2000506039A/ja
Priority to PCT/DE1997/000350 priority patent/WO1997033238A1/de
Application granted granted Critical
Publication of DE19608733C1 publication Critical patent/DE19608733C1/de
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A61B5/14553—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases specially adapted for cerebral tissue
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Cardiology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Psychology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Description

Die Erfindung betrifft ein Verfahren zur Klassifikation einer meßbaren Zeitreihe, die eine vor­ gebbare Anzahl von Abtastwerten aufweist, insbesondere eines elektrischen Signals, durch einen Rechner.
Die Erfindung findet Anwendung in technischen Gebieten, in denen es von Interesse ist, aus gemessenen Zeitreihen auf das zukünftige Verhalten der Zeitreihen zu schließen. Diese Vorhersage des zukünftigen "Verhaltens" der Zeitreihe erfolgt unter der An­ nahme, daß die Zeitreihe nichtlineare Korrelationen oder li­ neare Korrelationen (statistische Abhängigkeiten) zwischen den Abtastwerten der Zeitreihe aufweist.
Erhebliche Bedeutung erlangt dieses Problem auch in verschie­ denen Gebieten der Medizin, beispielsweise in der Kardiolo­ gie. Speziell in dem Problembereich des Plötzlichen Herztodes kann es lebenswichtig sein, Frühwarnzeichen des Plötzlichen Herztodes zu erkennen, um so früh wie möglich Gegenmaßnahmen gegen das Eintreten des Plötzlichen Herztodes einzuleiten.
Es ist bekannt, daß eine Zeitreihe eines Elektrokardiogramms, welches nicht korreliert ist, ein nicht gefährdetes Herz be­ züglich des plötzlichen Herztodes beschreibt. Ein gefährdetes Herz bezüglich des plötzlichen Herztodes wird durch eine Zeitreihe des Elektrokardiogramms beschrieben, welches nicht­ lineare Korrelationen zwischen den Abtastwerten der Zeitreihe aufweist (1). Weiterhin ist es aus (1) bekannt, aus der gra­ phischen Phasenraumdarstellung zweier aufeinanderfolgender Herzschläge Zeitreihen eines Elektrokardiogramms zu ermit­ teln, die Herzen beschreiben, die bezüglich des Plötzlichen Herztodes gefährdet sind.
Aus (2) ist ein Verfahren bekannt, mit dem der zeitliche Ver­ lauf der lokalen Sauerstoffspannung des Gehirns (tipO2) er­ mittelt werden kann.
Das in (1) beschriebene Verfahren weist alle Nachteile auf, die empirische Verfahren in sich birgen. Hierbei sind insbe­ sondere die Fehleranfälligkeit graphischer Deutungen durch einen Menschen, das Problem des Setzens einer Schranke, ab der eine Zeitreihe als gefährdet klassifiziert wird, sowie Ungenauigkeiten in der Darstellung der Fourier- Transformierten auf dem Bildschirm als Nachteil des bekannten Verfahrens zu betrachten.
Aus dem Dokument (4) ist ein Verfahren und eine Anordnung zum Ver­ gleichen von Wellenformen von zeitveränderlichen Signalen bekannt.
Der Erfindung liegt das Problem zugrunde, ein Verfahren zu schaffen, um eine Zeitreihe ana­ lytisch mit Hilfe eines Rechners zu klassifizieren.
Das Problem wird durch das Verfahren gemäß Patentanspruch 1 gelöst.
Bei dem erfindungsgemäßen Verfahren wird für eine meßbare Zeitreihe, die eine vorgebbare Anzahl von Abtastwerten aufweist, eine parametrisierte dynamische Mannigfaltigkeit ermittelt. Mit der parametrisierten dynamischen Mannigfaltigkeit werden nichtlineare Korrelationen zwischen den Abtastwerten der Zeitreihe durch Parameter, die die Form der parametrisierten dynamischen Mannigfaltigkeit angeben, beschrieben. Anhand der parametrisierten dynamischen Mannigfaltigkeit wird eine Klas­ sifikation der Zeitreihe durchgeführt.
Das Verfahren birgt gegenüber dem bekannten empirischen Ver­ fahren vor allem den Vorteil ins ich, daß keine Fehlerquellen durch ungenaue Bewertung der Ergebnisse sowie keine ungenauen Ergebnisse ermittelt werden. Durch das analytische Vorgehen wird eine eindeutige, nachvollziehbare Klassifikation der Zeitreihe erreicht. Ein weiterer Vorteil ist in der wesent­ lich erhöhten Geschwindigkeit zu sehen, mit der das gesamte Verfahren der Klassifikation durchgeführt wird.
Vorteilhafte Weiterbildungen und Anwendungsmöglichkeiten der Erfindung ergeben sich aus den abhängigen Ansprüchen.
Zur Beschleunigung des Verfahrens ist es vorteilhaft, bei der Klassifikation die Zeitreihe lediglich in einen ersten Zeit­ reihentyp und in einen zweiten Zeitreihentyp einzuordnen. Hierbei beschreibt ein erster Zeitreihentyp eine Zeitreihe, bei der eine nichtlineare Korrelation zwischen den Abtastwer­ ten festgestellt wird und der zweite Zeitreihentyp eine Zeit­ reihe, die statistisch unabhängig ist. Für diese beiden Zeit­ reihentypen unterscheidet sich die parametrisierte dynamische Mannigfaltigkeit so stark, daß eine Klassifikation sehr schnell, ohne größeren Rechenaufwand, durchgeführt werden kann.
Die Erfindung wird anhand eines Ausführungsbeispiels, welches in den Figuren dargestellt ist, weiter erläutert.
Es zeigen
Fig. 1 ein Ablaufdiagramm, welches die Verfahrensschritte der Erfindung beschreibt;
Fig. 2 ein Ablaufdiagramm, welches die Weiterbildung des erfindungsgemäßen Verfahrens mit einer Klassifika­ tion in nur zwei Zeitreihentypen, beschreibt;
Fig. 3 ein Blockdiagramm, in dem verschiedene Möglich­ keiten dargestellt sind, von welcher Art die Zeit­ reihe beispielsweise sein kann;
Fig. 4 eine Skizze, in der ein Rechner, mit dem das Ver­ fahren durchgeführt wird, dargestellt ist.
In Fig. 1 sind die Verfahrensschritte des erfindungsgemäßen Verfahrens dargestellt.
In einem ersten Schritt 101 wird eine Zeitreihe gemessen, falls es sich bei der Zeitreihe um ein elektrisches Signal handelt. Da die Klassifikation der Zeitreihe mit einem Rech­ ner R durchgeführt wird, weist die Zeitreihe eine vorgebbare Anzahl von Abtastwerten, abhängig von einem Abtastintervall, auf. Ist das gemessene Signal, welches die Zeitreihe dar­ stellt, analog, so muß das Signal abgetastet werden, damit es mit dem Rechner R verarbeitet werden kann.
Für die Zeitreihe wird in einem zweiten Schritt 102 eine pa­ rametrisierte dynamische Mannigfaltigkeit ermittelt. Die Er­ mittlung der parametrisierten dynamischen Mannigfaltigkeit erfolgt in einer Weise, daß dabei nichtlineare Korrelationen, die die Abtastwerte untereinander aufweisen, extrahiert wer­ den. Ein Verfahren zur Ermittlung der parametrisierten dyna­ mischen Mannigfaltigkeit ist bekannt (3).
Anhand dieser parametrisierten dynamischen Mannigfaltigkeit ist es nunmehr möglich, Aussagen über eventuell vorhandene nichtlineare Korrelationen zwischen den Abtastwerten zu tref­ fen.
In einem letzten Schritt 103 wird die Zeitreihe anhand der parametrisierten dynamischen Mannigfaltigkeit klassifiziert.
Das Verfahren eignet sich besonders zur Verwendung in medizi­ nischen Bereichen. In diesen Bereichen ist insbesondere die Früherkennung des plötzlichen Herztodes anhand von Elektro­ kardiogramm-Signalen (EKG-Signale) ein wichtiges Einsatzge­ biet für das erfindungsgemäße Verfahren.
Wie in (1) beschrieben, kann man anhand von Elektrokardio­ gramm-Signalen feststellen, ob das Herz, für das das Elektro­ kardiogramm gemessen wurde, bezüglich des Plötzlichen Herzto­ des gefährdet ist. Hierbei sind bezüglich des Plötzlichen Herztodes gefährdete Herzen in dem Elektrokardiogramm- Signalen durch das Vorhandensein nichtlinearer Korrelationen zwischen den Abtastwerten des Elektrokardiogramm-Signals cha­ rakterisiert.
Bezüglich des plötzlichen Herztodes nicht gefährdete Herzen weisen in dem EKG-Signal keinerlei Korrelationen zwischen den Abtastwerten der Zeitreihe auf, die Abtastwerte sind stati­ stisch voneinander unabhängig.
In Fig. 2 ist eine Weiterbildung des erfindungsgemäßen Ver­ fahrens dargestellt, wodurch die Durchführbarkeit des Verfah­ rens von der Messung der Zeitreihe bis zur Klassifikation der Zeitreihe erheblich beschleunigt wird. Dies wird erreicht durch eine vereinfachte Klassifikation. Die Vereinfachung be­ steht darin, daß lediglich anhand der parametrisierten dyna­ mischen Mannigfaltigkeit überprüft wird, ob die Abtastwerte der Zeitreihe voneinander statistisch abhängig sind 201. Ist dies der Fall, wird die Zeitreihe als ein erster Zeitreihen­ typ klassifiziert 202. Diese Klassifikation entspricht für das Anwendungsbeispiel der Klassifikation von Elektrokardio­ gramm-Signalen in gefährdete und nichtgefährdete Herzen be­ züglich des Plötzlichen Herztodes einer Klassifikation des Elektrokardiogramm-Signals als ein Signal eines gefährdeten Herzens, da in diesem Fall nichtlineare Korrelationen zwi­ schen den Abtastwerten der Zeitreihe, in diesem Fall des Elektrokardiogramm-Signals, vorhanden sind.
Sind die Abtastwerte der Zeitreihe jedoch statistisch unab­ hängig, wird die Zeitreihe als ein zweiter Zeitreihentyp klassifiziert 203. Dies entspricht in dem oben beschriebenen Beispiel für das Elektrokardiogramm-Signal einer Klassifika­ tion als ein Signal eines bezüglich des Plötzlichen Herztodes nicht gefährdeten Herzens.
In Fig. 3 sind in einer nicht abschließend zu verstehenden Übersicht einige Beispiele für mögliche Arten von Zeitreihen angegeben, für die das erfindungsgemäße Verfahren eingesetzt werden kann 301:
  • - Elektrokardiogramm-Signale (EKG-Signale) 302;
  • - Elektroencephalogramm-Signale (EEG-Signale) 303;
  • - Signale, die den Verlauf der lokalen Sauerstoffspannung eines Gehirns beschreiben 304.
Eine Möglichkeit, ein Signal zu messen, das den Verlauf der lokalen Sauerstoffspannung in einem Gehirn beschreibt, ist in (2) dargestellt.
Das Verfahren kann selbstverständlich in allen Gebieten, in denen es gilt, anhand von parametrisierten dynamischen Man­ nigfaltigkeiten eine Zeitreihe zu klassifizieren, eingesetzt werden.
In Fig. 4 ist der Rechner R dargestellt, mit dem das erfin­ dungsgemäße Verfahren notwendigerweise durchgeführt wird.
Der Rechner R verarbeitet die von dem Meßgerät MG aufgenomme­ nen, und dem Rechner R zugeführten Zeitreihen.
Hierbei ist es nicht von Bedeutung, ob die Bildung der Ab­ tastwerte aus dem möglicherweise analogen Signal in dem Meß­ gerät MG oder in dem Rechner R durchgeführt wird. Beide Vari­ anten sind für das erfindungsgemäße Verfahren vorgesehen.
Das Meßgerät MG kann beispielsweise ein Elektrokardiograph (EKG), ein Elektroencepahlograph (EEG) oder auch ein Gerät sein, welches nach dem in (2) dargestellten Verfahren arbei­ tet.
Das Klassifikationsergebnis, welches durch den Rechner R auf die im vorigen beschriebene Weise ermittelt wird, wird in ei­ nem Mittel zur Weiterverarbeitung WV weiterverarbeitet, bei­ spielsweise einem Benutzer dargestellt. Dieses Mittel WV kann beispielsweise ein Drucker, ein Bildschirm oder auch ein Lautsprecher sein, über das ein akustisches oder visuelles Signal an einen Benutzer weitergegeben wird.
Im Rahmen dieser Erfindung wurden folgende Veröffentlichungen zitiert:
  • 1) G. Morfill, Komplexitätsanalyse in der Kardiologie, Physikalische Blätter, Vol. 50, Nr. 2, S. 156 bis 160, 1994
  • 2) LICOX, GMS, Gesellschaft für Medizinische Sondentechnik mbH, Advanced Tissue Monitoring
  • 3) G. Deco & D. Schürmann, Learning Time Series Evolution by Unsupervised Extraction of Correlations, Physical Revue E, Vol. 51, Nr. 3, S. 1780 bis 1790, März 1995
  • 4) DE 39 12 028 A1.

Claims (4)

1. Verfahren zur Klassifikation einer meßbaren Zeitreihe, die eine vorgebbare Anzahl von Abtastwerten aufweist, insbesonde­ re eines elektrischen Signals, durch einen Rechner
  • - bei dem aus den Abtastwerten eine parametrisierte dynami­ sche Mannigfaltigkeit ermittelt wird (102), mit der nichtli­ neare Korrelationen zwischen den Abtastwerten der Zeitreihe beschrieben werden, und
  • - bei dem anhand der parametrisierten dynamischen Mannigfal­ tigkeit eine Klassifikation der Zeitreihe durchgeführt wird (103)
  • 2. Verfahren nach Anspruch 1, bei dem bei der Klassifikation die Zeitreihe entweder in ei­ nen ersten Zeitreihentyp, der nichtlineare Korrelationen auf­ weist (201, 202) oder in einen zweiten Zeitreihentyp, der statistisch unabhängig ist (201, 203), klassifiziert wird.
3. Verwendung des Verfahrens nach Anspruch 1 oder 2, bei der die Zeitreihe ein Elektrokardiogramm-Signal (EKG- Signal) ist.
4. Verwendung des Verfahrens nach Anspruch 1 oder 2, bei der die Zeitreihe ein Elektroencephalogramm-Signal (EEG- Signal) ist.
5. Verwendung des Verfahrens nach Anspruch 1 oder 2, bei der die Zeitreihe ein Signal ist, mit dem der zeitliche Verlauf einer lokalen Sauerstoffspannung eines Gehirns (tipO2) beschrieben wird.
DE19608733A 1996-03-06 1996-03-06 Verfahren zur Klassifikation einer meßbaren Zeitreihe, die eine vorgebbare Anzahl von Abtastwerten aufweist, insbesondere eines elektrischen Signals, durch einen Rechner und Verwendung des Verfahrens Expired - Fee Related DE19608733C1 (de)

Priority Applications (5)

Application Number Priority Date Filing Date Title
DE19608733A DE19608733C1 (de) 1996-03-06 1996-03-06 Verfahren zur Klassifikation einer meßbaren Zeitreihe, die eine vorgebbare Anzahl von Abtastwerten aufweist, insbesondere eines elektrischen Signals, durch einen Rechner und Verwendung des Verfahrens
US09/142,237 US6117074A (en) 1996-03-06 1997-02-02 Method conducted in a computer for classification of a time series having a prescribable number of samples
EP97914158A EP0885422A1 (de) 1996-03-06 1997-02-27 Verfahren zur klassifikation einer zeitreihe, die eine vorgebbare anzahl von abtastwerten aufweist, insbesondere eines elektrischen signals, durch einen rechner
JP9531331A JP2000506039A (ja) 1996-03-06 1997-02-27 コンピュータにより所定数のサンプル値を有する時系列データ例えば電気信号を分類する方法
PCT/DE1997/000350 WO1997033238A1 (de) 1996-03-06 1997-02-27 Verfahren zur klassifikation einer zeitreihe, die eine vorgebbare anzahl von abtastwerten aufweist, insbesondere eines elektrischen signals, durch einen rechner

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE19608733A DE19608733C1 (de) 1996-03-06 1996-03-06 Verfahren zur Klassifikation einer meßbaren Zeitreihe, die eine vorgebbare Anzahl von Abtastwerten aufweist, insbesondere eines elektrischen Signals, durch einen Rechner und Verwendung des Verfahrens

Publications (1)

Publication Number Publication Date
DE19608733C1 true DE19608733C1 (de) 1997-05-22

Family

ID=7787441

Family Applications (1)

Application Number Title Priority Date Filing Date
DE19608733A Expired - Fee Related DE19608733C1 (de) 1996-03-06 1996-03-06 Verfahren zur Klassifikation einer meßbaren Zeitreihe, die eine vorgebbare Anzahl von Abtastwerten aufweist, insbesondere eines elektrischen Signals, durch einen Rechner und Verwendung des Verfahrens

Country Status (5)

Country Link
US (1) US6117074A (de)
EP (1) EP0885422A1 (de)
JP (1) JP2000506039A (de)
DE (1) DE19608733C1 (de)
WO (1) WO1997033238A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19826993A1 (de) * 1998-06-19 2000-01-05 Forschungszentrum Juelich Gmbh Computer zur Auswertung von funktonalen Meßdaten, Meßgerät für die Ermittlung von funktonalen Meßdaten sowie Bildgebungsverfahren für funktionale Meßdaten
DE102014101814A1 (de) * 2014-02-13 2015-08-13 Arthur Schultz Verfahren zur automatischen Auswertung eines Absens-EEG, Computerprogramm und Auswertegerät dafür

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19610847C1 (de) * 1996-03-19 1997-04-30 Siemens Ag Verfahren zur Klassifikation einer meßbaren Zeitreihe, die eine vorgebbare Anzahl von Abtastwerten aufweist, beispielsweise eines elektrischen Signals, durch einen Rechner und Verwendung des Verfahrens
DE10036842A1 (de) 2000-07-28 2002-02-07 Biotronik Mess & Therapieg Auswerteverfahren zur Bestimmung der zeitlichen Stationarität gemessener physiologischer Signale
US6718199B2 (en) * 2000-10-27 2004-04-06 Massachusetts Eye & Ear Infirmary Measurement of electrophysiologic response
JP2002358397A (ja) * 2001-06-04 2002-12-13 Shigeru Suganuma 時系列データ管理方法、情報開示装置および記録手段
US8805482B2 (en) * 2008-07-28 2014-08-12 General Electric Conpany System and method for signal quality indication and false alarm reduction in ECG monitoring systems
WO2019109351A1 (zh) * 2017-12-08 2019-06-13 深圳迈瑞生物医疗电子股份有限公司 监护设备中生理参数的统计显示方法及监护设备
RU2751816C1 (ru) * 2020-08-17 2021-07-19 Автономная некоммерческая организация высшего образования «Университет Иннополис» Способ классификации двигательной активности человека

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3912028A1 (de) * 1988-04-13 1989-10-26 Siemens Ag Verfahren und anordnung zum vergleichen von wellenformen von zeitveraenderlichen signalen

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5792062A (en) * 1996-05-14 1998-08-11 Massachusetts Institute Of Technology Method and apparatus for detecting nonlinearity in an electrocardiographic signal

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3912028A1 (de) * 1988-04-13 1989-10-26 Siemens Ag Verfahren und anordnung zum vergleichen von wellenformen von zeitveraenderlichen signalen

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MORFILL, G.: "Komplexitätsanalyse in der Kardio- logie", in Physikalische Blätter, Vol. 50, Nr. 2, S. 156-160, 1994 *
SCHÜRMANN, D. und DECO, G.: "Learning Time Series Evolution by Unsupervised Extraction of Correlations", in US-Z: Physical Revue E, Vol. 51,Nr. 3, S. 1780-1790, März 1995 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19826993A1 (de) * 1998-06-19 2000-01-05 Forschungszentrum Juelich Gmbh Computer zur Auswertung von funktonalen Meßdaten, Meßgerät für die Ermittlung von funktonalen Meßdaten sowie Bildgebungsverfahren für funktionale Meßdaten
DE19826993B4 (de) * 1998-06-19 2004-11-04 Forschungszentrum Jülich GmbH Bildgebungsverfahren für magnetische Resonanzsignale
DE102014101814A1 (de) * 2014-02-13 2015-08-13 Arthur Schultz Verfahren zur automatischen Auswertung eines Absens-EEG, Computerprogramm und Auswertegerät dafür
US10039465B2 (en) 2014-02-13 2018-08-07 Arthur Schultz Method for automatically evaluating an absence EEG, computer program and evaluating device therefor

Also Published As

Publication number Publication date
WO1997033238A1 (de) 1997-09-12
US6117074A (en) 2000-09-12
EP0885422A1 (de) 1998-12-23
JP2000506039A (ja) 2000-05-23

Similar Documents

Publication Publication Date Title
DE69727236T2 (de) Vorrichtung zum aufzeichnen von galvanischen hautreaktionen
EP2704629B1 (de) Verfahren zur bewusstseins- sowie schmerzüberwachung, modul zur analyse von eeg-signalen und eeg-narkosemonitor
EP0355506A1 (de) Anordnung zum Messen lokaler bioelektrischer Ströme in biologischen Gewebekomplexen
DE3912028A1 (de) Verfahren und anordnung zum vergleichen von wellenformen von zeitveraenderlichen signalen
EP1059875B1 (de) Auswertesystem zur gewinnung diagnostischer informationen aus signalen und daten medizinischer sensorsysteme
DE10042342B4 (de) Verfahren und Gerät zur automatischen Erfassung und Interpretation von durch einen Schrittmacher beeinflussten Elektrokardiogrammen
DE19608733C1 (de) Verfahren zur Klassifikation einer meßbaren Zeitreihe, die eine vorgebbare Anzahl von Abtastwerten aufweist, insbesondere eines elektrischen Signals, durch einen Rechner und Verwendung des Verfahrens
CN106236080A (zh) 基于多通道的脑电信号中肌电噪声的消除方法
DE102015116044A1 (de) Verfahren und Vorrichtung zur Quantifizierung einer respiratorischen Sinusarrhythmie sowie Verwendung eines derartigen Verfahrens oder einer derartigen Vorrichtung [
DE4327429C2 (de) Verfahren und Vorrichtung zur Gehirnwellenanalyse
EP3338297B1 (de) Verfahren zur analyse eines datensatzes einer flugzeit-massenspektrometrie-messung und eine vorrichtung
EP1842047A1 (de) Verfahren und vorrichtung zur spektroskopischen untersuchung von k\rperfl]ssigkeiten und gewebeproben hinsichtlich eines erh\hten alzheimerverdachts
DE1964616C2 (de) Anordnung zur Wiedergabe von Kardiogrammen
DE19610847C1 (de) Verfahren zur Klassifikation einer meßbaren Zeitreihe, die eine vorgebbare Anzahl von Abtastwerten aufweist, beispielsweise eines elektrischen Signals, durch einen Rechner und Verwendung des Verfahrens
DE102013200058B3 (de) Automatisierte Auswertung der Rohdaten eines MR-Spektrums
DE4307545A1 (de) Gerät und Verfahren zur Bestimmung des Ortes und/oder der Ausdehnung von Ischämien und/oder Infarkten im Herzen eines Lebewesens
WO1997050047A1 (de) Verfahren zur klassifikation einer zeitreihe, die eine vorgebbare anzahl von abtastwerten aufweist, beispielsweise eines elektrischen signals, durch einen rechner
DE19608734C1 (de) Verfahren zur Klassifikation einer meßbaren Zeitreihe, die eine vorgebbare Anzahl von Abtastwerten aufweist, insbesondere eines elektrischen Signals, durch einen Rechner und Verwendung des Verfahrens
DE10048649A1 (de) Risikomontoring
DE10145325A1 (de) Anordnung und Verfahren zur räumlich gerichteten Erfassung des Elektroenzephalogramms
WO2004021245A2 (de) Verfahren und anordnung sowie computerprogramm mit programmcode-mitteln und computerprogramm-produkt zur analyse von neuronalen aktivitäten in neuronalen arealen
DE102011114045B4 (de) Verfahren, Anordnung und Computerprogramm zur Erkennung von Ableitungen ereigniskorrelierter Potenziale einer neuronalen Aktivität
EP1687756B9 (de) Verfahren zur klassifikation von messwerten in der medizinischen und biochemischen analytik
DE69934687T2 (de) Frequenzschätzung bei elektro-islet-graphie
DD260756A1 (de) Verfahren und schaltungsanordnung zur verarbeitung und modifikation von signalen zum zweck ihrer praezisen spektralanalyse

Legal Events

Date Code Title Description
8100 Publication of patent without earlier publication of application
D1 Grant (no unexamined application published) patent law 81
8364 No opposition during term of opposition
8339 Ceased/non-payment of the annual fee