A novel approach based on the Push Down Automata (PAD) for the Automated Detection and a Classification of Waveforms in EEG, especially for Spike and Wave Discharges (SWD)

A particularly important technique used in medicine is the electroencephalogram (EEG) signal. EEG technique was described by Hans Berger, in 1929, as a "window into the brain" [1]. EEGs are a recording of electrical activity from the mammalian scalp, a fundamental tool in the diagnosis and research of several brain disorders, including those related to epilepsy [2]. However, the analysis of the hours of data generated from EEGs, used to identify events such as epilepsy, sleep etc, is a time-consuming process, as it has to be performed manually by experts. Therefore, to address this issue, several methods of automatic detection have been developed: mimetic, morphologist, template matching, parametric modelling and non-linear features [3]. In an attempt to further streamline this procedure, a new approach was developed- viewing EEG output as a language, treated as a high level computer source code, and by using a compiler to transform the output into a sequence of symbols, the generated wave’s properties could be interpreted by a grammar file to form an abstract syntax tree. Allowing the specific automated identification of event sub-types and enabling the analysis of the contents of an event.

Una tecnica particolarmente importante utilizzata in medicina è il segnale elettroencefalogramma (EEG). La tecnica EEG è stata descritta da Hans Berger, nel 1929, come una "window into the brain" [1]. I segnali EEG sono una registrazione dell'attività elettrica dal cuoio capelluto dei mammiferi, uno strumento fondamentale nella diagnosi e nella ricerca di diversi disturbi cerebrali, comprese quelle relative all'epilessia [2]. Tuttavia, l'analisi delle ore di dati generati dagli EEGs, usato per identificare eventi quali l'epilessia, sonno ed altri è un processo che richiede tempo, in quanto deve essere effettuata da esperti manualmente. Pertanto, per risolvere questo problema, sono stati sviluppati diversi metodi di rilevamento automatico: mimetica, morfologo, template matching, parametric modelling e non-linear features [3]. Nel tentativo di semplificare ulteriormente questa procedura, è stata disegnata una nuova applicazione che vede l'output EEG come un linguaggio, che a sua volta, può essere visto come un codice sorgente di alto livello per computer, e di conseguenza, l'utilizzando di un compilatore per trasformare l'output EEG in una sequenza di simboli. Le proprietà del onda generata potrebbero essere interpretate da un file di grammatica in modo da formare un albero di sintassi astratta, che permettere l'identificazione specifica automatizzata di sotto-tipi di eventi e consentendo l'analisi del contenuto di un evento.