DE4327323A1 - Medizinisches Mehrkanal-Meßsystem mit Meßwertwichtung - Google Patents
Medizinisches Mehrkanal-Meßsystem mit MeßwertwichtungInfo
- Publication number
- DE4327323A1 DE4327323A1 DE4327323A DE4327323A DE4327323A1 DE 4327323 A1 DE4327323 A1 DE 4327323A1 DE 4327323 A DE4327323 A DE 4327323A DE 4327323 A DE4327323 A DE 4327323A DE 4327323 A1 DE4327323 A1 DE 4327323A1
- Authority
- DE
- Germany
- Prior art keywords
- weighting
- channel
- measuring system
- values
- medical multi
- 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.)
- Withdrawn
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
- A61B5/245—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetoencephalographic [MEG] signals
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Description
Die Erfindung betrifft ein medizinisches Mehrkanal-Meß
system mit einer Anzahl räumlich verteilter Sensoren zum
Messen mindestens einer physikalischen Größe, die von einer
physiologischen Aktivität innerhalb eines Untersuchungs
gebiets erzeugt wird, und mit einer Auswerteeinheit, die
über jeweils einen Meßkanal mit einem Sensor verbunden ist,
wobei die Auswerteeinheit aus Meßwerten, die von den
Sensoren aufgenommen worden sind, mit Hilfe eines Modells
zumindest eine Eigenschaft der physiologischen Aktivität
nachbildet.
Ein medizinisches Mehrkanal-Meßsystem der eingangs genann
ten Art ist aus der US-PS 4 736 751 bekannt. Über räumlich
verteilte Sensoren wird ein elektrisches Potential an der
Oberfläche des Kopfes oder ein Magnetfeld in der Nähe der
Kopfoberfläche gemessen, das von elektrophysiologischen
Aktivitäten innerhalb des Gehirns erzeugt wird. Die Sen
soren sind über jeweils einen Meßkanal mit einer Auswerte
einheit verbunden, wobei in der Auswerteeinheit aus den
Meßwerten mit Hilfe eines Modells zumindest eine Eigen
schaft der elektrophysiologischen Aktivität nachgebildet
wird. Das Modell umfaßt ein oder mehrere Stromdipole in
einem leitfähigen Gebiet, wobei das Untersuchungsgebiet
durch das leitfähige Gebiet und die physiologische Aktivi
tät durch mindestens einen Stromdipol nachgebildet wird.
Ort und Stärke des Stromdipols sind Eigenschaften der
physiologischen Aktivität, die mit Hilfe des Modells be
stimmt werden können. Im Modell werden in einem iterativen
Verfahren die Größe und der Ort des mindestens einen Strom
dipols so lange variiert, bis der Fehler zwischen dem aus
dem Modell berechneten Wert und dem gemessenen Wert der
physikalischen Größe minimal wird.
Ein ähnliches medizinisches Mehrkanal-Meßsystem ist auch in
der EP-A-0 359 864 beschrieben. Dieses Meßsystem ist auch
geeignet, elektrophysiologische Aktivitäten im Herzen über
eine Messung magnetischer Feldmuster zu lokalisieren.
Der Erfindung liegt nun die Aufgabe zugrunde, bei einem
medizinischen Mehrkanalsystem der eingangs genannten Art,
die Genauigkeit der Nachbildung einer Eigenschaft der
physiologischen Aktivität zu steigern.
Die Aufgabe wird dadurch gelöst, daß in jedem Meßkanal eine
Wichtungseinheit angeordnet ist, die den im Meßkanal über
tragenen Meßwert mit einem Wichtungsfaktor bewertet, daß
die Wichtungsfaktoren mit Hilfe von Gewichtsmatrizen eines
neuronalen Netzes bestimmt sind, wobei das neuronale Netz
belehrt ist, Meßwerte auf die mindestens eine Eigenschaft
abzubilden, daß die Gewichtsmatrix Werte von Gewichts
parametern umfaßt und daß aus den den Meßkanälen zugeord
neten Werten eines Gewichtsparameters über eine Mittelwert
bildung die Wichtungsfaktoren in den entsprechenden Meß
kanälen bestimmt sind.
Die Erfindung geht von der Erkenntnis aus, daß bei be
lehrten neuronalen Netzen funktionelle Zusammenhänge oder
Regeln, die nach dem Training des neuronalen Netzes in der
erlernten mathematischen Abbildung enthalten sind, extra
hiert werden können. Funktionelle Zusammenhänge können
durch eine geeignete Interpretation der Gewichtsmatrizen
des belehrten neuronalen Netzes gefunden werden. Aus der
Gewichtsmatrix werden diejenigen Gewichte, die ein und
denselben Eingangsknoten mit allen Neuronen in der verdeck
ten Schicht verbinden, zur Bestimmung des Wichtungsfaktors
herangezogen. Mit derartig gebildeten Wichtungen der Meß
werte kann die Genauigkeit des Modells, das die physio
logische Aktivität nachbildet, gesteigert werden.
Werden neuronale Netze mit radialen Basisfunktionen zum
Extrahieren von Regeln trainiert, werden die den Meßkanälen
zugeordneten Werte eines Streuungsparameters ausgewertet.
Ein großer Wert des Streuungsparameters bedeutet, daß die
Ausgangsaktivität des entsprechenden künstlichen Neurons
nahezu unabhängig von seiner Aktivierung ist. Diese
Eingangskanäle bzw. die darauf übertragenen Meßwerte tragen
zur Nachbildung der Eigenschaft der physiologischen Akti
vität weniger bei als die Eingangskanälen, die über kleine
Werte des Streuungsparameters mit den anderen Neuronen
verbunden sind.
Werden gaußförmige Basisfunktionen als radiale Basisfunk
tionen verwendet, dann kann als Streuungsparameter die
Varianz der gaußförmigen Basisfunktion herangezogen werden.
Neuronale Netze mit gaußförmigen Basisfunktionen sind in
ihrer Leistungsfähigkeit vergleichbar mit vollständig ver
bundenen, vorwärtsgekoppelten neuronalen Netzwerten mit
sigmoidalen Nichtlinearitäten.
Ein Ausführungsbeispiel der Erfindung wird im folgenden an
hand von zwei Figuren erläutert. Es zeigen:
Fig. 1 eine Übersicht eines medizinischen Mehrkanal-Meß
systems mit in den Meßkanälen angeordneten Wichtungs
einheiten und
Fig. 2 in einem Blockschaltbild eine Anordnung, mit der die
Wichtungsfaktoren in den entsprechenden Wichtungs
einheiten bestimmt werden.
Ausgegangen wird von einem in Fig. 1 dargestellten medizi
nischen Mehrkanal-Meßsystem, mit dem elektrophysiologische
Aktivitäten im Gehirn oder im Herz über eine Magnetfeld
messung lokalisiert werden. Wegen der sehr kleinen zu
messenden Signale werden durch eine magnetische Abschirm
kammer 2 außerhalb erzeugte Störfelder zum größten Teil
abgeschirmt. Ein zu untersuchender Patient 4 befindet sich
auf einer in der Abschirmkammer 2 angeordneten Patienten
liege 6. Elektrophysiologische Aktivitäten, die hier durch
einen Pfeil 8 symbolisiert sind, erzeugen ein elektrisches
und magnetisches Feldmuster, wobei hier nur das magnetische
Feldmuster 10 ausgewertet wird. Dazu wird das Magnetfeld 10
mit einer Mehrkanal-Meßanordnung 12 oberhalb des Patienten
4 gemessen. Die Mehrkanal-Meßanordnung 12 umfaßt eine Mehr
kanal-Gradiometeranordnung 14 mit räumlich getrennt ange
ordneten Gradiometern, die als Sensoren den Gradienten der
Magnetfeldverteilung 10 erfassen. Hier ist aus Gründen der
Übersichtlichkeit eine Mehrkanal-Gradiometeranordnung 14
mit 15 einzelnen Gradiometern dargestellt, jedoch werden in
der Praxis Mehrkanal-Gradiometeranordnungen 14 mit mehr als
30 Kanälen, z. B. N = 37 Kanäle, verwendet. Die Gradiometer
in der Mehrkanal-Gradiometeranordnung 14 sind jeweils mit
einem SQUID (Super Conducting Quantum Interference Device)
einer Mehrkanal-SQUID-Anordnung 16 verbunden. Die Mehr
kanal-SQUID-Anordnung 16 und die Mehrkanal-Gradiometeran
ordnung 14 sind in einem Kryostaten untergebracht und dort
auf so niedrige Temperatur gehalten, daß Supraleitung vor
herrscht.
Die Mehrkanal-Meßanordnung 12 ist mittels eines Stativs in
einer Untersuchungsposition arretierbar. Die Untersuchungs
position gibt die Meßorte der Sensoren, also der Gradio
meter vor. Zwischen der Mehrkanal-SQUID-Anordnung 16 und
einer Signalauswertungseinheit 18 ist in jedem Meßkanal
eine Wichtungseinheit 20 angeordnet, mit denen die Meßwerte
mit verschiedenen Wichtungsfaktoren W₁ . . . Wi . . . WN bewertet
werden. Die Anzahl der Wichtungseinheiten 20 entspricht der
Anzahl der Gradiometer 14, wobei in Fig. 1 aus Übersicht
lichkeitsgründen nur fünf Meßkanäle mit jeweils einer Wich
tungseinheit 20 dargestellt sind.
Die Signalauswertungseinheit 18 bestimmt für ausgewählte
Feldmuster einen äquivalenten Stromdipol, dessen theore
tisches Feldmuster dem gemessenen Feldmuster am nächsten
kommt. Ein vollständiges Modell besteht aus dem Ort des
äquivalenten Stromdipols, der Dipolstärke und der Dipol
richtung. Zum Modell gehört ebenfalls der Raum, in dem der
Stromdipol angeordnet ist. Der Raum ist im Modell für
zerebrale Aktivitäten eine Kugel mit homogener Leitfähig
keit und für kardiologische Aktivitäten ein unendlicher
Halbraum mit homogener Leitfähigkeit. Das Ergebnis der
Lokalisierung wird einer Anzeigeeinheit 22 zugeführt, die
das Lokalisierungsergebnis z. B. in einem anatomischen
Schnittbild darstellt. Zusätzlich kann auch insbesondere
der Verlauf der zeitlichen Änderung des Magnetfeldes und
des daraus bestimmten äquivalenten Stromdipols in einer
Registriereinheit 24 aufgezeichnet werden.
Die Genauigkeit der Lokalisierung kann gesteigert werden,
wenn Meßkanäle, die weniger dazu beitragen, die gestellte
Aufgabe zu lösen, mit kleineren Wichtungsfaktoren Wi belegt
werden als Meßkanäle, die maßgeblich das Ergebnis beein
flussen. Der Iterationsprozeß der Lokalisierung wird da
durch optimiert.
Der Einfluß der Meßwerte der einzelnen Meßkanäle auf das
Ergebnis der Nachbildung durch das Modell wird aus einem
mit derselben Nachbildung trainierten neuronalen Netz 30
ermittelt. Das neuronale Netz 30 bildet somit ebenfalls
Meßwerte auf einen äquivalenten Stromdipol ab. Es wird je
doch nicht vorausgesetzt, daß die Abbildung des neuronalen
Netzes 30 ebenso sicher und genau sein muß, wie die Nach
bildung durch das Modell, das die Auswerteeinheit 18 be
nutzt.
Das neuronale Netz 30 besitzt ebensoviele Eingangsneuronen
32, wie Meßkanäle in der Mehrkanal-Meßanordnung vorhanden
sind, hier die Anzahl N = 37. Weiterhin umfaßt das neuro
nale Netz 30 eine verdeckte Schicht von 50 bis 100 Neuronen
34, wobei jedes Neuron 34 der verdeckten Schicht mit jedem
Eingangsneuron 32 verbunden ist. Hier werden Neuronen 34
mit radialen Basisfunktionen eingesetzt, die den Vorteil
haben, daß sie nur eine lokale Aktivierung für einen be
stimmten Bereich der Eingangsgröße aufweisen. Die Aktivie
rung für sehr kleine und sehr große Eingangssignale ist
verschwindend gering. Zu den radialen Basisfunktionen ge
hören auch gaußförmige Basisfunktionen, die über einen
Mittelwert µ als Zentrumsparameter und eine Varianz σ als
Streuungsparameter beschreibbar sind.
Über Ausgangsneuronen 36 werden die Parameter des äquiva
lenten Stromdipols ausgegeben. An drei Ausgangsneuronen 36
wird der Ort des Stromdipols und an drei weiteren Ausgangs
neuronen 36 wird die Größe des Stromdipols ausgegeben. Die
Trainingsdaten für das neuronale Netz werden ähnlich er
zeugt, wie in dem Artikel von: U.R. Abeyratne/Y. Kinouchi/H.
Oki/J. Okada/F. Shichÿo/K. Matsumoto:
"Artificial Neural Networks for Source Lokalisation in the
Human Brain", erschienen in Brain Topography, Vol. 4, No.
1, 1991, pp. 3-21, beschrieben ist. Ein Unterschied be
steht jedoch in den gewählten Basisfunktionen der Neuronen
34, die dort sigmoidal und hier radial sind. Zum Training
des neuronalen Netzes 30 werden an Ausgängen 38 eines
Mustergenerators 40, der einen Speicher und eine Rechenein
heit umfaßt, aus variierten Stromdipolen errechnete magne
tische Feldgrößen, die am Meßort der Mehrkanal-Meßanordnung
12 auftreten würden, den Eingangsneuronen 32 zugeführt.
Gleichzeitig werden an weiteren Ausgängen 42 des Muster
generators 40 die Koordinaten und die Stärke des den Feld
größen zugrundeliegenden Stromdipols ausgegeben und den
Ausgangsneuronen 36 des neuronalen Netzes 30 zugeführt.
Zum Beginn des Training des neuronalen Netzes 30 wird eine
Gewichtsmatrix von gaußförmigen Basisfunktionen, die die
Eingangsneuronen 32 mit den versteckten Neuronen 34 verbin
det, vorstrukturiert. Die Verteilung der Zentren µ der
gaußförmigen Basisfunktionen werden mit Hilfe einer k-means
Clusterung festgelegt. Dadurch wird die Summe des euklidi
schen Abstandes zwischen den einzelnen Datenpunkten und den
Zentren minimiert. Nach der Clusterung der Zentren µ werden
die Varianzen σki der gaußförmigen Basisfunktionen mit
Hilfe der P-nächste Nachbarn initialisiert. Die einzelnen
Varianzen σ werden dabei aus dem Mittelwert der Abstände
vom Zentrum zu den nächsten P-Zentren bestimmt. Dabei sind
die einzelnen Varianzen σ auf Werte von größer 0,1 be
grenzt, um eine allzu lokale Modellierung der Trainings
daten zu vermeiden. In einer anschließenden Feinabstimmung
wird die vorstrukturierte Gewichtsmatrix mit Hilfe des
Backpropagation-Algorithmus verbessert. Die Gewichtsmatrix,
die die versteckten Neuronen 34 mit den Ausgangsneuronen
36 verbindet, wird nur mit dem Backpropagation-Algorithmus
bestimmt.
Nach Abschluß des Trainings wird die Gewichtsmatrix, die
die Eingangsneuronen 32 mit den Neuronen 34 der verdeckten
Schicht verbindet, ausgewertet. Das Extrahieren der Matrix
ist in Fig. 2 durch den Verfahrensschritt 44 symbolisiert.
Hier wird lediglich die Matrix A der Varianzen σ der gauß
förmigen Basisfunktionen betrachtet. Die Matrix A ist hier
so organisiert, daß jede Zeile die Varianzen σ enthält, die
jeweils ein Neuron 34 mit den Eingangsneuronen 32 verbin
den. Während spaltenweise die Varianzen angeordnet sind,
die jeweils ein Eingangsneuron 32 mit allen Neuronen 34 der
verdeckten Schicht verbinden. Ein großer Wert der Varianz σ
bedeutet, daß die Ausgangsaktivität des Neurons 34 nahezu
unabhängig von der Eingangsaktivität ist, und somit wenig
zum Ergebnis beiträgt. Hohen Werten der Varianz einer Spal
te der Matrix A wird ein kleiner Wichtungsfaktor Wi des
entsprechenden Meßkanals, während kleinen Werten der
Varianz ein großer Wichtungsfaktor Wi zugeordnet wird. Aus
diesem Grund werden über einen monoton fallenden funktio
nellen Zusammenhang die Varianzen σ einer Spalte der Matrix
A umgeformt. Der Wichtungsfaktor Wi für den entsprechenden
Meßkanal ergibt sich über eine Mittelwertbildung nach der
Formel (Verfahrensschritt 46 in Fig. 2):
wobei M die Anzahl der verdeckten Neuronen 34 und n eine
reelle Zahl, vorzugsweise "Eins", ist. Das Zeichen "∼" be
deutet Proportionalität. Dieser funktionelle Zusammenhang
zwischen den Wichtungsfaktoren Wi und der zugeordneten
Spalte der Matrix A ist dann sinnvoll, wenn die Varianz σki
nicht zu groß ist.
Hier ist ein Mehrkanal-Meßsystem beschrieben, mit dem mag
netische Feldgrößen gemessen und auf Eigenschaften der
elektrophysiologische Aktivitäten abgebildet werden.
Von Bedeutung ist ebenfalls die Messung der Potentialver
teilung von elektrophysiologischen Aktivitäten mit einem
Mehrkanal-Meßsystem, was auch unter der Bezeichnung EKG-
Mapping für Herzuntersuchungen bekannt ist. Aus der Poten
tialverteilung läßt sich ähnlich wie aus der Magnetfeldver
teilung z. B. der Ort und die Größe eines äquivalenten
Stromdipols mit einem entsprechend angepaßten Modell be
stimmen.
Andere Abbildungen von Meßwerten auf Eigenschaften einer
physiologischen Aktivität sind denkbar. Klinisch relevante
Eigenschaften von elektrophysiologischen Aktivitäten sind
auch die Ausdehnung oder das Volumen der Aktivität, die
Anzahl der aktivierten Zellen, die zeitliche Abfolge der
Aktivitäten oder die Reizleitungsgeschwindigkeit. Die
Grundidee zur Verbesserung der Abbildung besteht darin,
Meßkanäle abzuschwächen, die nicht wesentlich zum Ergebnis
beitragen, während Meßwerte die das Ergebnis stark beein
flussen, bevorzugt zur Bestimmung der Größen des Modells
herangezogen werden, wobei die Wichtungsfaktoren Wi in den
Meßkanälen aus einem entsprechend trainierten neuronalen
Netz 30 extrahiert werden.
Claims (9)
1. Medizinisches Mehrkanal-Meßsystem mit einer Anzahl räum
lich verteilter Sensoren (12) zum Messen mindestens einer
physikalischen Größe (10), die von einer physiologischen
Aktivität (8) innerhalb eines Untersuchungsgebiets erzeugt
wird, und mit einer Auswerteeinheit (18), die über jeweils
einen Meßkanal mit einem Sensor verbunden ist, wobei die
Auswerteeinheit (18) aus Meßwerten, die von den Sensoren
aufgenommen worden sind, mit Hilfe eines Modells zumindest
eine Eigenschaft der physiologischen Aktivität nachbildet,
dadurch gekennzeichnet, daß in
jedem Meßkanal eine Wichtungseinheit (20) angeordnet ist,
die den im Meßkanal übertragenen Meßwert mit einem Wich
tungsfaktor (Wi) bewertet, daß die Wichtungsfaktoren (Wi)
mit Hilfe von Gewichtsmatrizen eines neuronalen Netzes (30)
bestimmt sind, wobei das neuronale Netz (30) belehrt ist,
Meßwerte auf die mindestens eine Eigenschaft abzubilden,
daß die Gewichtsmatrix Werte von Gewichtsparametern (σ)
umfaßt und daß aus den den Meßkanälen zugeordneten Werten
eines Gewichtsparameters (σ) über eine Mittelwertbildung
die Wichtungsfaktoren in den entsprechenden Meßkanälen be
stimmt sind.
2. Medizinisches Mehrkanal-Meßsystem nach Anspruch 1,
dadurch gekennzeichnet, daß das
neuronale Netz (30) radiale Basisfunktionen umfaßt, daß als
Gewichtsparameter ein Streuungsparameter (σ) der radialen
Basisfunktion so ausgewertet wird, daß hohen Werten des
Streuungsparameters (σ) niedrige Werte des Wichtungsfaktors
(Wi) und niedrigen Werten des Streuungsparameters (σ) hohe
Werte des Wichtungsfaktors (Wi) entsprechen.
3. Medizinisches Mehrkanal-Meßsystem nach Anspruch 1 oder
2, dadurch gekennzeichnet, daß
die Wichtungsfaktoren (Wi) über eine monoton fallende Funk
tion den Werten des Streuungsparameters (σ) zugeordnet sind.
4. Medizinisches Mehrkanal-Meßsystem nach einem der An
sprüche 1 bis 3, dadurch gekennzeich
net, daß als radiale Basisfunktionen gaußförmige Ba
sisfunktionen verwendet sind.
5. Medizinisches Mehrkanal-Meßsystem nach Anspruch 4,
dadurch gekennzeichnet, daß der
Streuungsparameter die Varianz (σ) der gaußförmigen Basis
funktionen ist.
6. Medizinisches Mehrkanal-Meßsystem nach einem der An
sprüche 1 bis 5, dadurch gekennzeich
net, daß die physikalische Größe (10) ein Magnetfeld
einer elektrophysiologischen Aktivität ist.
7. Medizinisches Mehrkanal-Meßsystem nach einem der An
sprüche 1 bis 7, dadurch gekennzeich
net, daß die physikalische Größe (10) ein elektrisches
Potential einer elektrophysiologischen Aktivität ist.
8. Medizinisches Mehrkanal-Meßsystem nach einem der An
sprüche 1 bis 7, dadurch gekennzeich
net, daß eine Eigenschaft der Ort der physiologischen
Aktivität (8) ist.
9. Medizinisches Mehrkanal-Meßsystem nach einem der An
sprüche 1 bis 8, dadurch gekennzeich
net, daß das Modell einen nach Ort und Richtung zu be
stimmenden Stromdipol umfaßt, der in einem Gebiet mit elek
trischer Leitfähigkeit angeordnet ist.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4327323A DE4327323A1 (de) | 1993-08-13 | 1993-08-13 | Medizinisches Mehrkanal-Meßsystem mit Meßwertwichtung |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4327323A DE4327323A1 (de) | 1993-08-13 | 1993-08-13 | Medizinisches Mehrkanal-Meßsystem mit Meßwertwichtung |
Publications (1)
Publication Number | Publication Date |
---|---|
DE4327323A1 true DE4327323A1 (de) | 1995-02-23 |
Family
ID=6495178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE4327323A Withdrawn DE4327323A1 (de) | 1993-08-13 | 1993-08-13 | Medizinisches Mehrkanal-Meßsystem mit Meßwertwichtung |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE4327323A1 (de) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT401226B (de) * | 1994-08-30 | 1996-07-25 | Pfuetzner Helmut Dr | Vorrichtung zur synchronen registrierung der leistungsfähigkeit von herz und lunge |
DE19827245B4 (de) * | 1997-06-20 | 2011-08-11 | Hitachi, Ltd. | Biomagnetfeld-Messvorrichtung |
RU2607953C2 (ru) * | 2011-05-16 | 2017-01-11 | дакадоо аг | Захват оптических данных об упражнениях в дополнение к расчету оценки здоровья |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0433626A2 (de) * | 1989-11-17 | 1991-06-26 | Wayne State University | Physiologische Wellenformanalyse |
DE4118126A1 (de) * | 1990-07-03 | 1992-01-09 | Siemens Ag | Verfahren zur aktiven unterdrueckung von magnetischen stoerfeldern bei einer anordnung zum messen biomagnetischer signale |
SU1709356A1 (ru) * | 1989-12-06 | 1992-01-30 | Научно-исследовательский институт многопроцессорных вычислительных систем при Таганрогском радиотехническом институте им.В.Д.Калмыкова | Устройство дл моделировани нейрона |
EP0477434A1 (de) * | 1990-09-24 | 1992-04-01 | Biomagnetic Technologies, Inc. | Analyse von biologischen Signalen unter Verwendung von Daten von Sensorarrays |
-
1993
- 1993-08-13 DE DE4327323A patent/DE4327323A1/de not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5092343A (en) * | 1988-02-17 | 1992-03-03 | Wayne State University | Waveform analysis apparatus and method using neural network techniques |
EP0433626A2 (de) * | 1989-11-17 | 1991-06-26 | Wayne State University | Physiologische Wellenformanalyse |
SU1709356A1 (ru) * | 1989-12-06 | 1992-01-30 | Научно-исследовательский институт многопроцессорных вычислительных систем при Таганрогском радиотехническом институте им.В.Д.Калмыкова | Устройство дл моделировани нейрона |
DE4118126A1 (de) * | 1990-07-03 | 1992-01-09 | Siemens Ag | Verfahren zur aktiven unterdrueckung von magnetischen stoerfeldern bei einer anordnung zum messen biomagnetischer signale |
EP0477434A1 (de) * | 1990-09-24 | 1992-04-01 | Biomagnetic Technologies, Inc. | Analyse von biologischen Signalen unter Verwendung von Daten von Sensorarrays |
Non-Patent Citations (2)
Title |
---|
et al: Advances in Bio- magnetism, Plenum Press, New York u. London, 1989,S.599-602 * |
WILLIAMSON, Samuel J. * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT401226B (de) * | 1994-08-30 | 1996-07-25 | Pfuetzner Helmut Dr | Vorrichtung zur synchronen registrierung der leistungsfähigkeit von herz und lunge |
DE19827245B4 (de) * | 1997-06-20 | 2011-08-11 | Hitachi, Ltd. | Biomagnetfeld-Messvorrichtung |
RU2607953C2 (ru) * | 2011-05-16 | 2017-01-11 | дакадоо аг | Захват оптических данных об упражнениях в дополнение к расчету оценки здоровья |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE3741874C2 (de) | Verfahren und System zur Darstellung der Lage der neuronalen Tätigkeit und der zeitlichen Wechselbeziehungen zwischen Hirnbereichen | |
Ilmoniemi et al. | Brain signals: physics and mathematics of MEG and EEG | |
DE69330644T2 (de) | Verfahren und vorrichtung zur trennung der verschiedenen signal-komponenten von evozierter und spontaner hirn-aktivität sowie der herz-aktivität | |
DE4226413C2 (de) | Verfahren zum Messen von in einem lebenden Organ erzeugten elektrischen Strömen | |
DE19808985B4 (de) | Verfahren und Vorrichtung zur Biomagnetfeld-Messung | |
DE19633200C2 (de) | Verfahren und Vorrichtung zum Messen von Biomagnetismus | |
EP1212636B1 (de) | Verfahren zur bearbeitung seismischer messdaten mit einem neuronalen netzwerk | |
DE69420615T2 (de) | Verfahren und Gerät zur Messung von bioelektrischen Quellen | |
EP0406963B1 (de) | Verfahren zur Rekonstruktion der räumlichen Stromverteilung in einem biologischen Objekt und Anordnung zur Durchführung des Verfahrens | |
EP0582885A2 (de) | Verfahren zur Klassifizierung von Feldmustern | |
DE69215158T2 (de) | Verfahren und Gerät zur Bestimmung der Biostromverteilung im Körper | |
DE4218563A1 (de) | Biomedizinische, magnetismus abbildende vorrichtung und verfahren | |
DE4309135A1 (de) | Verfahren zum Abschätzen und Anzeigen einer Stromquellenverteilung aus elektrischen und magnetischen Messungen und anatomischen 3D Daten | |
DE69025612T3 (de) | Analyse von biologischen Signalen unter Verwendung von Daten von Sensorarrays | |
WO1999048422A1 (de) | Verfahren zum lokalisieren und identifizieren von signalaktivitäten mindestens eines begrenzten raumgebiets in einem biologischen gewebeabschnitt | |
DE10162927A1 (de) | Auswerten von mittels funktionaler Magnet-Resonanz-Tomographie gewonnenen Bildern des Gehirns | |
DE19508823A1 (de) | Verfahren zur Nachbildung der Oberfläche eines Objekts | |
Sommer et al. | Exploratory analysis and data modeling in functional neuroimaging | |
DE4307545A1 (de) | Gerät und Verfahren zur Bestimmung des Ortes und/oder der Ausdehnung von Ischämien und/oder Infarkten im Herzen eines Lebewesens | |
DE10042138A1 (de) | Verfahren zur automatischen Aufbereitung von Daten biomagnetischer felder , insbesondere von magnetokardiographischen Daten | |
DE4327323A1 (de) | Medizinisches Mehrkanal-Meßsystem mit Meßwertwichtung | |
DE19913547C2 (de) | Verfahren zur Nachbildung der von Gradientenspulen eines Kernspinresonanzgeräts erzeugten elektrischen Stimulationen in einem Untersuchungsobjekt und Vorrichtung zur Durchführung des Verfahrens | |
DE3725532A1 (de) | Verfahren zur biomagnetischen lokalisierung einer quelle elektrischer aktivitaet im menschlichen koerper | |
DE4326044C2 (de) | Verfahren zur zeitgemittelten Lokalisierung von mit starkem Rauschen überlagerten elektrophysiologischen Aktivitäten | |
DE4326043C2 (de) | Verfahren zur Lokalisierung von mit starkem Rauschen überlagerten elektrophysilogischen Aktivitäten |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OM8 | Search report available as to paragraph 43 lit. 1 sentence 1 patent law | ||
8139 | Disposal/non-payment of the annual fee |