[論文レビュー] Comparison of EEG based epilepsy diagnosis using neural networks and wavelet transform

Mohammad Reza Yousefi, Saina Golnejad+2 more|arXiv (Cornell University)|Apr 9, 2022

EEG and Brain-Computer Interfaces被引用数 4

ひとこと要約

本研究では、多層パーセプトロンニューラルネットワークとウェーブレット変換を用いて、EEGを用いたてんかん診断を比較した。前処理フィルタと特徴抽出を用いて、正常、てんかん、その他の脳障害信号を分類した。ニューラルネットワーク手法はウェーブレットベースの手法よりも高い正確性を達成し、臨床的EEG解析における診断の一貫性と性能の向上に有効であることが示された。

ABSTRACT

Epilepsy is one of the common neurological disorders characterized by recurrent and uncontrollable seizures, which seriously affect the life of patients. In many cases, electroencephalograms signal can provide important physiological information about the activity of the human brain which can be used to diagnose epilepsy. However, visual inspection of a large number of electroencephalogram signals is very time-consuming and can often lead to inconsistencies in physicians' diagnoses. Quantification of abnormalities in brain signals can indicate brain conditions and pathology so the electroencephalogram (EEG) signal plays a key role in the diagnosis of epilepsy. In this article, an attempt has been made to create a single instruction for diagnosing epilepsy, which consists of two steps. In the first step, a low-pass filter was used to preprocess the data and three separate mid-pass filters for different frequency bands and a multilayer neural network were designed. In the second step, the wavelet transform technique was used to process data. In particular, this paper proposes a multilayer perceptron neural network classifier for the diagnosis of epilepsy, that requires normal data and epilepsy data for education, but this classifier can recognize normal disorders, epilepsy, and even other disorders taught in educational examples. Also, the value of using electroencephalogram signal has been evaluated in two ways: using wavelet transform and non-using wavelet transform. Finally, the evaluation results indicate a relatively uniform impact factor on the use or non-use of wavelet transform on the improvement of epilepsy data functions, but in the end, it was shown that the use of perceptron multilayer neural network can provide a higher accuracy coefficient for experts.

研究の動機と目的

• EEG信号を用いたてんかん診断の統一的で自動化された手法の開発を目的とする。
• ニューラルネットワークとウェーブレット変換の有効性を比較し、EEGを用いたてんかん検出の向上を評価することを目的とする。
• 診断の正確性を向上させ、時間のかかる視覚的EEG解釈への依存を減らすことを目的とする。
• 1つのトレーニング済みモデルを用いて、正常、てんかん、その他の脳障害パターンを分類可能とする。
• ウェーブレット変換が特徴抽出および分類性能に与える影響を評価することを目的とする。

提案手法

• 異なる周波数帯に適合するように調整されたローパスフィルタおよび3つのミドルバンドフィルタを用いてEEG信号を前処理する。
• ラベル付きの正常およびてんかんEEGデータを用いてトレーニングされた多層パーセプトロン（MLP）ニューラルネットワーク分類器を設計する。
• 比較のため、EEG信号からの時間周波数特徴を抽出するために離散ウェーブレット変換（DWT）を適用する。
• ニューラルネットワークおよびウェーブレットベースのアプローチの両方に同じEEGデータセットを用いて、公平な比較を確保する。
• 一般化を向上させるために、MLP分類器を正常、てんかん、その他の障害例のデータでトレーニングする。
• 正確性、感受性、特異性などの標準指標を用いて分類性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 多層パーセプトロンニューラルネットワークを用いることで、ウェーブレット変換ベースの手法と比較して、てんかん診断の正確性が向上するか？
• RQ2 前処理フィルタは、診断に用いられるEEG特徴の品質にどのように影響するか？
• RQ3 1つのニューラルネットワークモデルが、EEG信号から正常、てんかん、その他の脳障害パターンを効果的に分類できるか？
• RQ4 ウェーブレット変換は、EEGを用いたてんかん診断における分類性能にどのような相対的影響を与えるか？
• RQ5 臨床的EEG解釈において、ニューラルネットワーク手法はウェーブレットベースの特徴抽出よりも頑健で一貫性があるか？

主な発見

• 多層パーセプトロンニューラルネットワークは、ウェーブレット変換ベースの手法よりも高い分類正確性を達成した。
• ニューラルネットワークモデルは、EEGデータからの正常、てんかん、その他の脳障害パターンの分類に成功した。
• 本研究では、ウェーブレット変換がニューラルネットワーク手法の性能を顕著に上回ることはなかった。
• ミドルバンドフィルタの使用により、両手法における関連周波数帯特徴の抽出が向上した。
• ニューラルネットワーク手法は、さまざまなEEG信号タイプにおいてより一貫性があり信頼性の高い性能を示した。
• 本研究は、神経ネットワークが、てんかん診断における手動EEG解釈の代替として頑健で自動化された選択肢として機能できることを確認した。