Roland Kunz Livres

Epilepsie ist eine komplexe und weit verbreitete Erkrankung des menschlichen Gehirns, die durch epileptische Anfälle gekennzeichnet ist. Etwa 1% der Bevölkerung leidet an dieser Krankheit, oft in milderen Formen. Die Vorgänge im Gehirn sind schwer zu erfassen, jedoch ermöglichen invasive Elektroden mittlerweile eine genaue Lokalisierung der Entstehungszentren. Für Betroffene wäre es entscheidend, Anfälle einige Minuten im Voraus zu erkennen, um rechtzeitig Medikamente einnehmen oder sich in Sicherheit bringen zu können. Mit fortschreitender medizinischer Miniaturisierung könnte sogar eine gezielte medikamentöse Gabe direkt im Gehirn erfolgen, um Anfälle zu verhindern. In diesem Kontext werden Methoden vorgestellt, die mit Hilfe von Zellularen Nichtlinearen Netzwerken (CNN) epileptische Anfälle basierend auf hirnelektrischer Aktivität vorhersagen. Diese Netzwerke sind in der Lage, Systeme zu analysieren, deren innere Struktur nicht direkt beobachtbar ist. Durch die lokale Kopplung der Zellen in einer regulären Gitterstruktur kann das Ausgangssignal effizient im gesamten Netzwerk verbreitet werden, während die Anzahl der benötigten Parameter gering bleibt. Die Netzwerke werden mittels Lernverfahren auf patientenspezifische Hirnsignale abgestimmt und ermöglichen präzise Vorhersagen, auch zu Zeitpunkten, die nicht im Eichvorgang enthalten waren. Zwei Ansätze werden diskutiert, ebenso wie die Miniaturisierung und Minimierung von To