Analysis of single trial evoked potentials using neural network structures and radial basis functions

Abstract

TEK DENEMELİ UYARILMIŞ GERİLİMLERİN SİNİR AGI YAPILARIYLA VE IŞINSAL TEMELLİ İŞLEVLERLE ÇÖZÜMLENMESİ ÖZET Tek denemeli uyarılmış ya da olayla ilişkili beyin gerilimi (t-UG) kestirimi, bu işaretlerin durağan olmayan doğası ve kansan, zaman ve uzayda çakışan öğeli pek çok yapay ve doğal gürültü kaynağının varlığı nedeniyle çok zor bir problem olarak kalmaktadır. Bu tez çalışmasında t-UG kestirimi için yeni bir sınıf sinir ağı modeli ve bunun öğrenme algoritması geliştirilmiştir. M-NARMAX olarak adlandırılan bu model ışınsal tabanlı işlevler, doğrusal olmayan özbağlanımlı yürüyen ortalamalı dış yapı girişli modelleme (NARMAX), sinir ağlan, kendi kendine derece saptama ve en büyük olabilirlikli uyarlanabilir sinir sistemleri gibi yöntemlerin bir karışımını kullanmaktadır. Işınsal tabanlı işlevlerin ve özbağlanımlı yürüyen ortalamalı yöntemlerin arka planda kullanılması bu kestirimi çok etkin yapmaktadır. Yapay ve gerçek verilerle yapılan deneysel çalışmalarla modelin başansı gösterilmiştir. t-UG kestirim yöntemi kutup çifti kaynak yerlerinin saptanmasında da kullanılmıştır. Problemin boyutlarını azaltmak için insan kafasını küresel bir yapı olarak varsayan bir uzay-zaman dönüşümü kullanılmıştır. Önçalışmalar kutup çiftleri yerlerinin saptanma doğruluğunun 20-90 ms. süreleri için 20-30 mm olduğunu göstermektedir. Çok-kanallı M-NARMAX modeli tek denemeli uyarılmış gerilimlerin kestirilme niteliğini önemli ölçüde iyileştirmekte ve bunları klinik uygulamalar ve araştırma çalışmaları için daha işlevsel ve kullanılabilir kılmaktadır. Aynı zamanda olayla ilişkili gerilimlerin daha önce görünmeyen bazı yönlerini görünür yapabilir. Bu çalışmada ele alman yöntemlerle t-UGlerin ayrıntılı incelemeleri sonucu kazanılan anlayışı var olan nörofizyolojik, nörometabolik ve nöroanatomik bilgilerle birleştirerek insan kavramasının kütle sinir süreçlerinin daha iyi anlaşılması sağlanabilir. Bu özellikle Alzheimer ya da Parkinson hastalığı bulunan beyin hasarlı kişilerde kavrama dinamiğindeki değişikliklerin daha ayrıntılı çalışılmasını olanaklı kılacaktır. Anahtar Sözcükler: Işınsal taban işlevleri, elektrofizyoloji, EEG, tek denemeli uyarılmış gerilimler, sinir ağlan, MLANS, dikgenleştirilmiş ileri bağlanım, doğrusal olmayan özbağlanımlı yürüyen ortalamalı model.

IV ANALYSIS OF SINGLE TRIAL EVOKED POTENTIALS USING NEURAL NETWORK STRUCTURES AND RADIAL BASIS FUNCTIONS ABSTRACT The single-trial evoked or event related brain potential (s-EP) estimation remains to be a very difficult problem due to many interfering noise sources and `artifacts` with spatio-temporally overlapping response components and due to the nonstationarity nature of these signals. In this thesis work a new class of neural network model and associated learning algorithm has been developed for s-EP estimation. The model is called M-NARMAX and uses a mixture of such techniques as radial basis functions (RBF), nonlinear auto regressive moving average modeling (NARMAX), neural networks, automatic order determination and maximum likelihood adaptive neural systems (MLANS). The use of radial basis functions and nonlinear auto- regressive moving average methods in the background make this estimation process very effective. The success of the model has been demonstrated in experimental studies with both synthetic and real data. The s-EP estimation technique developed has also been used in topographic dipole source localization. In order to reduce the dimensionality of the problem, a spatio-temporal transformation has been used, treating the human head as a spherical structure. Preliminary studies have shown that the accuracy of dipole localization is around 20-30 mm, throughout the latency period from 20 to 90 ms. The multi-channel M-NARMAX model considerably improves the quality of the estimates of single trial evoked potentials and makes them more functional and utilizable for both clinical practice and for research work. It also appears to resolve some of the previously unseen aspects of event-related signals. By combining the insights gained through detailed examinations of s-EPs using the techniques discussed here, with the available neurophysiological, neurometabolic, and neuroanatomical information a better understanding of mass neural processes of human cognition may be reached. This will allow more detailed study of changes in cognitive dynamics in brain damaged persons, especially those with Alzheimer's or Parkinson's diseases. Keywords: Radial basis functions, electrophysiology, electroencephalogram, single trial evoked potentials, neural networks, maximum likelihood adaptive neural system (mlans), orthogonal forward regression, nonlinear autoregressive moving average model.