gms | German Medical Science

Die Elektrocochleographie (ECochG) wird zunehmend zur Überwachung der Innenohrfunktion während der Operation von Cochlea-Implantat (CI)-Patienten eingesetzt. Aktuell wird die Analyse dieser Signale meist visuell von Experten durchgeführt, was die verzögerungsfreie Beurteilung und Reproduzierbarkeit einschränkt [1]. In dieser Studie präsentieren wir neue Algorithmen basierend auf effizienten Autonomen Linearen State-Space Modellen (ALSSMs) für die automatisierte Echtzeitanalyse von intraoperativen ECochG-Signalen. Die vorgestellten Algorithmen dienen zur Rauschunterdrückung, zur Entfernung von Artefakten sowie zur Analyse (Feature-Erkennung) in ECochG-Signalen.Die Entfernung von Artefakten ist insbesondere dann notwendig, wenn elektrische Impedanzmessungen gleichzeitig mit ECochG durchgeführt werden, da deren Messströme, die Cochlea polarisieren. Elektrische Impedanzmessungen könnten in Zukunft die automatisierte Traumaerkennung mittels ECochG unterstützen [2]. Die Feature-Erkennung beinhaltet Amplituden- und Phasenschätzungen sowie ein Vertrauensmaß über das Vorhandensein einer physiologischen Antwort in ECochG-Aufzeichnungen. Die Feature-Erkennung wurde anhand synthetischer Signale getestet, welche mit einem verifizierten Modell des Mittel- und Innenohrs erzeugt wurden. Die Algorithmen wurden anschliessend auf echte Patientendaten angewendet, die zu diesem Zweck während der Operation aufgezeichnet wurden. Zum Vergleich wurde ebenfalls eine bekannte Standardmethode zur Spektralanalyse mittels Fast Fourier Transform (FFT) auf dieselben Signale angewendet. Die ALSSM Methode schnitt in den Tests mit synthetischen sowie echten Daten besser ab als die Standardmethode. Die Ergebnisse der Simulationsdaten zeigen, dass die ALSSM-Methode eine verbesserte Genauigkeit bei der Amplitudenschätzung zusammen mit einem robusteren Vertrauensmaß für ECochG-Signale im Vergleich zur Standardmethode erreicht. Die Validität der Algorithmen konnte anhand der echten Patientendaten ebenfalls aufgezeigt werden. Zusammenfassend konnte gezeigt werden, dass ALSSMs ein valides Werkzeug zur Echtzeit-Analyse und Beurteilung von ECochG-Signalen sind.