Grundlagen des künstlichen Lernens für die Epilepsie:: Support Vector Machines und EEG-Signalanalyse

Bei Epilepsie, einer schweren neurologischen Störung, sind 30 % der Patienten medikamentenresistent und müssen operiert werden, wobei der Erfolg von der genauen Lokalisierung der epileptogenen Zone durch das EEG abhängt. Dieses Signal wird jedoch durch Artefakte beeinträchtigt und seine Modellierung bleibt komplex. Diese Arbeit legt die Grundlagen für den Einsatz von künstlicher Intelligenz, insbesondere von Support Vector Machines (SVM), zur Anfallserkennung. In drei Kapiteln werden das künstliche Lernen, SVMs (robust, interpretierbar, effizient) und die Besonderheiten des epileptischen EEG-Signals erläutert. SVMs werden aufgrund ihrer Transparenz den Deep-Learning-Methoden vorgezogen.Diese Arbeit soll die konzeptionellen und methodologischen Grundlagen schaffen, die für die Untersuchung epileptischer Anfälle durch künstliche Intelligenz erforderlich sind, wobei ein besonderer Schwerpunkt auf Support Vector Machines (SVMs) liegt.