Dózsa Tamás, Carl Böck, Jens Meier, Kovács Péter: Weighted Hermite Variable Projection Networks for Classifying Visually Evoked Potentials

IEEE Transactions on Neural Networks and Learning Systems,   https://doi.org/10.1109/TNNLS.2024.3475271

A nyakszirti kéreg (az agy hátulsó része) a látott ingerekre akkor is reagál, ha a páciens nincs teljesen tudatánál, vagy éppen nem figyel tudatosan. Ez azért érdekes, mert így a szemészek, vagy neurológusok számára egy fájdalommentes, műtéti beavatkozás nélküli (nem invazív) diagnosztikai lehetőséget kínál.

A nyakszirti kéreg reakciója egy jellegzetes hullámalakban jelenik meg, amit vizuálisan kiváltott potenciálnak (angolul: Visually Evoked Potential, VEP) neveznek. Ezt a hullámformát az EEG (elektroenkefalográf) segítségével lehet mérni. Az EEG egy olyan eszköz, amely a fejbőrre helyezett elektródákkal érzékeli az agy elektromos tevékenységét.

A kutatás lényege

A kutatók egy "tanítható" VEP-reprezentációt javasolnak. Ez azt jelenti, hogy a VEP-jelről szeretnék szétválasztani és megérteni azokat a tényezőket, amelyek a mérés során befolyásolják a jelet. Ezek lehetnek például:

• a beteg egyéni jellemzői,
• meglévő betegségek,
• vagy a mérési körülmények (pl. elektródák elhelyezése, műszerek beállítása).

Ennek érdekében egy új matematikai eszközt dolgoztak ki, amely a klasszikus Hermite-függvényeket használja.

• A Hermite-függvények olyan speciális, hullám-szerű matematikai függvények, amelyeket a jelanalízisben gyakran használnak bonyolult mintázatok leírására.
• A kutatók ezeket úgy alakították át (paraméterezéssel), hogy képesek legyenek pontosan követni a VEP-jelek változásait.

Kapcsolat a gépi tanulással

A módszerben van egy új elem: a differenciálható adaptív projekciós réteg (Differentiable Variable Projection layer). Ez lehetővé teszi, hogy:

• a VEP-jeleket Hermite-függvények sorozataként (ún. bázisfüggvény-kiterjesztésként) írják le,
• majd ezeket gépi tanulási algoritmusokkal kombinálják.

A kutatók matematikailag is bizonyítják, hogy a módszerben létezik optimális beállítás, és azt is megmutatják, hogyan lehet ezt számítógéppel visszaterjesztéses tanulással (backpropagation) betanítani.

Gyakorlati alkalmazás

A módszert színek felismerésére tesztelték a VEP-jelek alapján – tehát az EEG-ből próbálták megállapítani, milyen színű ingert látott a páciens.

Ehhez egy új, kifejezetten műtét közbeni mérésre tervezett rendszer készült, amellyel az idegsebészeti beavatkozások alatt is nyomon követhetik a páciens agyi válaszait. Ez segíthet a műtét közbeni betegmonitorozásban, például annak ellenőrzésében, hogy az agy látásfeldolgozó részei megfelelően működnek-e.

Kísérlet zárt szemre vetített piros vagy zöld ingerek vizsgálatához. Az inger-sorozatot egy Raspberry Pi állítja elő, amely a tervezett LED-szemüveg pároshoz csatlakozik, és szinkronizálva van egy orvosi jel-erősítővel. Ez utóbbi, egy laptoppal együtt, rögzíti a nyers EEG-adatokat.