Refine
Has Fulltext
- yes (1) (remove)
Is part of the Bibliography
- yes (1)
Year of publication
- 2002 (1)
Document Type
- Doctoral Thesis (1)
Language
- German (1) (remove)
Keywords
- BERA (1)
- Hoertest (1)
- automatische Auswertung (1)
- hearing screening (1)
Die Erfassung und die frühe Behandlung von Hörbeeinträchtigungen erhält eine immer grössere Bedeutung, die nicht nur auf die Prävention und Behandlung von Sprech- und Sprachbehinderung beschränkt ist, sondern ebenso der Früherkennung von Hörorganschäden dient. In Erwartung der frühestmöglichen Identifizierung des Hörverlustes, sind verschiedene Untersuchungsmethoden entwickelt worden. Bei Früh- und Neugeborenen, Kindern unter 6 Monaten sowie Kindern mit multiplen Behinderungen liegt der Schwerpunkt der Auswertung audiologischer Funktionen auf den elektrophysiologischen Untersuchungen [61]. Von allen akustisch evozierten Potentialen, die durch verschiedene Verfahren gemessen werden können, liefert das Potential, entstanden durch die Hirnstammantwort, die wichtigsten Informationen. Das Verfahren zur Messung akustisch evozierter Potentiale ist durch psychophysiologische Parameter oder psychoaktive Substanzen nicht beeinflussbar. Dadurch wurde es zu der am häufigsten verwandten Messtechnik für neurologische, otologische und audiologische Fragestellungen. Heute ist man der Meinung, dass ein Hörscreening zum frühest möglichen Zeitpunkt durchgeführt werden, und die ABR als Mittel der Wahl angesehen werden sollten [61, 62]. Das Ziel dieser Arbeit ist es, mathematische Algorithmen zu entwickeln, um mit deren Hilfe objektive BERA-Messungen automatisch, analytisch und statistisch auszuwerten. Das automatische Auswerteprogramm ACEP (automatic curve evaluation program) soll durch statistische Datenanalyse sowie die Erkennung signifikanter kurvenspezifischer Komponenten wie Latenz, Amplitude und Wellenform, die Kennwerte einer BERA-Kurve markieren, und das Signalverhalten beschreiben. Das System soll eine "Antwort-Erkennungs-Einheit" enthalten, welche das Vorhanden- oder Nichtvorhandensein von ABR-Antworten erkennen kann sowie die Identifizierung der Peaks und die Aussage über pathologische oder normale Ergebnisse der Hirnstammaudiometrie erleichtert. Das Hauptanliegen dieser Automatisierung ist die Reduzierung des benötigten, speziell ausgebildeten Fachpersonals, und die Zeiteinsparung für die Auswertung. Die erhöhte Objektivität, die geringere Fehlerrate, und der bessere statistische Vergleich sind weitere Verbesserungen [63].