Im Projekt SigBrain werden aus EEG-Daten von Gehirnstrommessungen des Schlaflabors der Universität Salzburg neue Erkenntnisse für die Schlafforschung gewonnen. Peter Ott und Stefan Wegenkittl, Experten für Signalverarbeitung und maschinelles Lernen des Studienganges ITS/AIS, suchen gemeinsam mit den Neurowissenschaftler des Schlaflabor nach neuen Methoden, um die digitalen Sensordaten signaltechnisch aufzubereiten und zu klassifizieren.
Laut Manuel Schabus, Leiter des Labors an der Universität Salzburg, leidet rund ein Drittel der österreichischen Gesamtbevölkerung an wiederkehrenden Schlafstörungen. In einem vom FWF geförderten Projekt forschen Schabus und sein Team, wie Schlafstörungen ohne die Gabe von Medikamenten verringert werden können. Mit Neurofeedbacktraining, einem Biofeedbacktraining für das Gehirn, werden sogenannte Schlafspindeln genutzt, um Menschen in den Schlaf zu helfen. Bei EEG-Messungen sind das erkennbare Muster, die durch ein rasches Auf und Ab der Hirnstromaktivität gekennzeichnet sind und besonders im Leichtschlafstatium auftreten.
Die Klassifizierung solcher Daten wurde vor dem Projektstart ausschließlich manuell ausgeführt, eine zeitintensive Tätigkeit, die künftig automatisiert und durch mathematische Modelle beschrieben werden kann. Zudem bleiben bei rein optischer Begutachtung der zeitabhängigen Signale manche Ergebnisse unentdeckt. Ein Hauptaugenmerk der Forschung gilt PatientInnen mit Bewusstseinstörungen, denen meist psychische oder physische Ursachen zugrunde liegen. Für diese PatientInnengruppe können Forschungsergebnisse und Vergleiche mit gesunden Gruppen nur geringfügig angewendet werden, da geltende Normen und Kriterien nicht eindeutig zutreffen. Somit ist die vorhandene Klassifizierung verschiedener Schlafstadien, deren Signaleigenschaften bereits genau definiert wurden, für diese Gruppe nicht anwendbar.
Daher werden im Zuge des Projektes unter anderem die Schlafstadien von PatientInnen mit Bewusstseinstörung signalabhängig neu klassifiziert, um daraus entsprechende Resultate für die Schlafforschung ableiten zu können. Für die Datensätze des Schlaflabors verwenden die Forscher neueste mathematische Modelle, Algorithmen und Verfahren, wie Hidden Makov Modelle und Support Vector Machine mit optimierten Parametern.
SigBrain
