Download PDF
Nervenheilkunde 2022; 41(11): 745-757
DOI: 10.1055/a-1893-6992
Schwerpunkt

BERA und VEMPs war’s das schon, oder geht noch mehr?

ABR and VEMPs is that it or can we do better?
Dietmar Hecker
1   Klinik für HNO Heilkunde, Universitätsklinikum des Saarlandes
,
Hans Scherer
2   Charité – Universitätsmedizin Berlin
,
Uwe Schönfeld
3   Klinik für HNO Heilkunde, Charité – Universitätsmedizin Berlin
,
Alessandro Bozzato
1   Klinik für HNO Heilkunde, Universitätsklinikum des Saarlandes
,
Bernhard Schick
1   Klinik für HNO Heilkunde, Universitätsklinikum des Saarlandes
,
Patrick Metzler
4   Fachbereich Ingenieurwissenschaften, Hochschule RheinMain
› Author Affiliations
› Further Information
Also available at
    Permissions and Reprints

ZUSAMMENFASSUNG

Gegenstand und Ziel Computerbasierte Diagnosegeräte sind im klinischen Alltag allgegenwärtig und erweitern über die Möglichkeit einer komplexen Datenverarbeitung (z. B. Künstlichen Intelligenz) immer mehr unser Leben. Ist die Tumorforschung schon seit vielen Jahren dabei, Bilddaten elektronisch zu erfassen und zu verarbeiten, so erfolgt die Befundung akustisch evozierter Potenziale noch visuell auf gemittelten Daten.

Material und Methoden In einer Publikation haben die Autoren erstmals ein Verfahren beschrieben [7], womit es möglich ist, Single sweeps bei vestibulär evozierten myogene Potenzialen (VEMPs) zu erfassen und detailliert zu verarbeiten. Weiterhin wurde 2018 ein Patent eingereicht, womit Brainstem Evoked Response Audiometrie (BERA)-Daten über maschinelles Lernen ausgewertet werden können.

Ergebnisse Der neuartige Single-sweep-Algorithmus kann bei VEMP-Messungen noch weitere Parameter über neuronale Grundaktivität und Latenzrauschen erfassen. Mittels Künstlicher Intelligenz (KI) können Amplitudenwachstumsfunktionen von BERA-Daten automatisiert erhoben werden.

Schlussfolgerungen Single sweeps haben das Potenzial, automatisiert neue Merkmale zu erfassen und intelligent zu verarbeiten.

ABSTRACT

Objective In today’s clinical practice, computational diagnostic devices are used ubiquitously. They ease the life of medical personal by offering complex data processing based on machine learning. While tumor research has been electronically acquiring and processing image data for many years, the analysis of auditory evoked potentials (AEP) is still done visually based on averaged data series.

Material and Method The authors describe for the first time a method with which it is possible to record and process single sweeps in vestibular evoked myogenic potentials (VEMP) [7]. Furthermore, the authors applied for a patent in 2018, describing how ABR data can be analyzed via machine learning algorithms.

Results A new single sweep algorithm can extract additional information from the VEMP measurements even when neural background activity and latency noise compromise the measurement. Using artificial intelligence, amplitude growth functions of ABR datasets can be generated automatically.

Conclusions Single sweeps have the potential to capture both well established and new attributes in an automated manner.

Schlüsselwörter

Mittelwertfunktion - BERA - VEMPs - Single sweeps - Algorithmus - maschinelles Lernen

Key words

Averaging technique - ABR - VEMPs - single sweeps - algorithm - machine learning


Publication History

Article published online:
11 November 2022

© 2022. Thieme. All rights reserved.

Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany

 

  • Literatur

  • 1 Hall J.. New handbook of auditory evoked responses. London: Pearson; 2007
    Google Scholar
  • 2 Colebatch J, Halmagyi G. Vestibular evoked potentials in human neck muscles before and after unilateral vestibular deafferentation. Neurology 1992; 42 (08) 1635-1635
    CrossrefPubMedGoogle Scholar
  • 3 Iwasaki S. et al Head taps evoke a crossed vestibulo-ocular reflex. Neurology 2007; 68 (15) 1227-9
    CrossrefPubMedGoogle Scholar
  • 4 Dawson G. A summation technique for detecting small signals in a large irregular background. J physiol 1951; 115: 2
    Google Scholar
  • 5 Clark W. et al The average response computer (ARC): a digital device for computing averages and amplitude and time histograms of electrophysiological response. IRE Transactions on Bio-Medical Electronics 1961; 08 (01) 46-51
    CrossrefPubMedGoogle Scholar
  • 6 Curthoys I. et al A review of the scientific basis and practical application of a new test of utricular function–ocular vestibular–evoked myogenic potentials to bone-conducted vibration. Acta Otorhinolaryngologica Italica 2009; 29 (04) 179
    PubMedGoogle Scholar
  • 7 Hecker D. et al Electromotive triggering and single sweep analysis of vestibular evoked myogenic potentials (VEMPs). IEEE Transactions on Neural Systems and Rehabilitation Engineering 2013; 22 (01) 158-167
    CrossrefPubMedGoogle Scholar
  • 8 Iwasaki S. et al Ocular vestibular evoked myogenic potentials to bone conducted vibration of the midline forehead at Fz in healthy subjects. Clinical neurophysiology 2008; 119 (09) 2135-2147
    CrossrefPubMedGoogle Scholar
  • 9 Iwasaki S. et al Ocular vestibular evoked myogenic potentials in response to bone-conducted vibration of the midline forehead at Fz. Audiology and Neurotology 2008; 13 (06) 396-404
    CrossrefPubMedGoogle Scholar
  • 10 Berger H. Über das Elektrenkephalogramm des Menschen. Arch Psychiatr Nervenkrankh 1929; 87: 527-570
    CrossrefGoogle Scholar
  • 11 Jewett D, Willston L.. Auditory-evoked far fields averaged from the scalp of humans. Brain 1971; 94 (04) 681-696
    CrossrefPubMedGoogle Scholar
  • 12 Gosepath K, Maurer P, Mann W. Diagnostik intrameatal gelegener Akustikusneurinome-Die Rolle akustisch evozierter Hirnstammpotentiale und anderer otoneurologischer Untersuchungsverfahren. Laryngo-Rhino-Otologie 1995; 74 (12) 728-732
    Article in Thieme ConnectPubMedGoogle Scholar
  • 13 Eckrich S. et al Cochlea-Specific Deletion of Cav1.3 Calcium Channels Arrests Inner Hair Cell Differentiation and Unravels Pitfalls of Conditional Mouse Models. Frontiers in Cellular Neuroscience 2019: 13
    PubMedGoogle Scholar
  • 14 Gazioglu S, Boz C. Ocular and cervical vestibular evoked myogenic potentials in multiple sclerosis patients. Clinical neurophysiology 2012; 123 (09) 1872-1879
    CrossrefPubMedGoogle Scholar
  • 15 Vapnik V.. The nature of statistical learning theory. Berlin: Springer; 1999
    Google Scholar
  • 16 Hecker D. et al Automatisierte Analyse von evozierten Potenzial-Signalen oder ereigniskorrelierten Potenzialsignalen einer neuronalen Aktivität. Patent DE 10 2017 005 867. 2018: Deutschland
    Google Scholar
  • 17 Meric C, Collet L. Attention and otoacoustic emissions: a review. Neuroscience & Biobehavioral Reviews 1994; 18 (02) 215-222
    CrossrefPubMedGoogle Scholar
  • 18 Ackermans N. Anatomical and histological observations on a musk ox brain (Ovibos moschatus). The FASEB 2020; 34 (01) 1-1
    CrossrefGoogle Scholar
  • 19 Yoon S, Park S. A mechanical analysis of woodpecker drumming and its application to shock-absorbing systems. Bioinspiration & Biomimetics 2011; 06 (01) 016003
    CrossrefPubMedGoogle Scholar
  • 20 Lüscher E. Bemerkungen zu der Mitteilung von W. Hugson und EG Witting: An objective Study of Auditory Fatigue. Acta Oto-Laryngologica 1936; 23 (02) 264-266
    CrossrefGoogle Scholar
  • 21 Vanspauwen R, Wuyts W, Van de Heyning P. Vestibular evoked myogenic potentials: test-retest reliability and normative values obtained with a feedback method for the sternocleidomastoid muscle contraction. Journal of Vestibular Research 2009; 19 3,4 127-135
    CrossrefPubMedGoogle Scholar
  • 22 Maes L. et al The vestibular evoked myogenic potential: A test–retest reliability study. Clinical Neurophysiology 2009; 120 (03) 594-600
    CrossrefPubMedGoogle Scholar
  • 23 Isaradisaikul S. et al Reliability of vestibular evoked myogenic potentials in healthy subjects. Otology & Neurotology 2008; 29 (04) 542-544
    CrossrefPubMedGoogle Scholar
  • 24 Vanspauwen R, Wuyts F, Van de Heyning P. Improving vestibular evoked myogenic potential reliability by using a blood pressure manometer. Laryngoscope 2006; 116 (01) 131-5
    CrossrefPubMedGoogle Scholar
  • 25 Nguyen K, Welgampola W, Carey J. Test-retest reliability and age-related characteristics of the ocular and cervical vestibular evoked myogenic potential tests. Otology & neurotology 2010; 31 (05) 793
    CrossrefPubMedGoogle Scholar
  • 26 Fife T. Overview of anatomy and physiology of the vestibular system. Handbook of Clinical Neurophysiology 2010; 09: 5-17
    CrossrefGoogle Scholar
  • 27 Holt J, Lysakowski A, Goldberg J.. The efferent vestibular system. Auditory and vestibular efferents 2011: 135-186
    PubMedGoogle Scholar
  • 28 Radtke-Schuller S, Seeler S. Grothe B Restricted loss of olivocochlear but not vestibular efferent neurons in the senescent gerbil (Meriones unguiculatus). Frontiers in aging neuroscience 2015; 07: 4
    CrossrefPubMedGoogle Scholar