DE4327323A1 - Medizinisches Mehrkanal-Meßsystem mit Meßwertwichtung - Google Patents

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 . . . W_i . . . W_N 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 W_i 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 σ_ki 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 W_i des entsprechenden Meßkanals, während kleinen Werten der Varianz ein großer Wichtungsfaktor W_i zugeordnet wird. Aus diesem Grund werden über einen monoton fallenden funktio­ nellen Zusammenhang die Varianzen σ einer Spalte der Matrix A umgeformt. Der Wichtungsfaktor W_i 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 W_i und der zugeordneten Spalte der Matrix A ist dann sinnvoll, wenn die Varianz σ_ki 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 W_i 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 (W_i) bewertet, daß die Wichtungsfaktoren (W_i) 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 (W_i) und niedrigen Werten des Streuungsparameters (σ) hohe Werte des Wichtungsfaktors (W_i) entsprechen.

3. Medizinisches Mehrkanal-Meßsystem nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Wichtungsfaktoren (W_i) 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.