[論文レビュー] Localization of epileptic seizure with an approach based on the PSD with an autoregressive model

Mahamat Ali Issaka, Ali S. Dabye+1 more|arXiv (Cornell University)|Jun 2, 2015

EEG and Brain-Computer Interfaces参考文献 11被引用数 5

ひとこと要約

本論文は、自己回帰（AR）モデルとパワー周波数密度（PSD）解析を用いて周波数分解能を向上させるとともに、検出を自動化する、EEGに基づくててんかん発作の局在化のための新規手法を提案する。非定常なEEG信号を安定化させるために微分を適用し、最尤推定（MLE）、バーグ法、ユール＝ウォーカー法を用いてARパラメータを推定し、AIC/BICを用いた最適なモデル次数の選定を行う。このアプローチにより、神経科医による視覚的検査を上回る速度と一貫性を実現し、てんかん活動の検出において70％の正確性と80.55％の感受性を達成した。

ABSTRACT

In this study, we present a criterion based on the analysis of EEG signals through the mean of the conventional power spectral density (PSD) in the aim to localize and detect the epileptic area of the brain. Firstly, as the EEG signals are commonly non stationary in practice, we processed the data with technique of differentiation in order to have the stationary which is convenient to model with autoregressive model (AR). For this, we have used many techniques for to determine the order which model better the data in this work. Therefore, we can characterize normal and abnormal activity which correspond to epileptic discharge for the patient. Our contribution in this work is the automatic detection of epilepsy seizure with the PSD novel approach by a better resolution in the frequency domain as the examination of EEG signals is often done with visual inspection of the rhythm (delta, theta, alpha, beta, gamma) by neurologists practitioners. The accuracy of the detection is estimated to 70% with the sensitivity of 80.55% compared with the interpretation of neurologist.

研究の動機と目的

• 神経科医による従来の視覚的検査を上回る、てんかん発作のEEG信号における正確性と自動化の向上を図ること。
• ARモデリングに適した定常状態にできるよう、非定常なEEG信号に対して信号微分を適用し、非定常性に対処すること。
• ARモデルによるパラメトリックなスペクトル推定を用いて、EEG解析における周波数ドメイン分解能を向上させること。
• 複数のARパラメータ推定法（MLE、バーグ法、ユール＝ウォーカー法）およびモデル次数選択基準（AIC、BIC、AICc）の性能を評価すること。
• 臨床的関連性のある周波数帯（デルタ、シータ、アルファ、ベータ）におけるスペクトルパワー分布に基づいた、信頼性の高い自動検出基準の開発

提案手法

• 非定常な信号をARモデリングに適した定常状態に変換できるよう、EEGデータに信号微分を適用する。
• 最大尤度推定（MLE）、バーグ法、ユール＝ウォーカー法の3つの手法を用いてARモデルパラメータを推定する。
• 情報量基準（AIC、BIC、補正済みAIC（AICc））を用いて最適なARモデル次数を選択する。
• 推定されたARモデルからパワー周波数密度（PSD）を計算し、デルタ（0.5–4 Hz）、シータ（4–8 Hz）、アルファ（8–14 Hz）、ベータ（14–30 Hz）帯域における周波数成分を分析する。
• 正常EEGとてんかんEEGの間でPSD出力を比較し、てんかん発作を示す異常なスペクトルパターンを同定する。
• 128チャンネルの取得で得られた10例のてんかんおよび4例の正常EEG記録のデータセットを用い、1つの20秒セグメントあたり2560サンプルのデータで手法を検証する。

実験結果

リサーチクエスチョン

• RQ1 視覚的検査と比較して、非定常なEEG信号におけるてんかん発作の検出において、ARモデリングとPSD解析を組み合わせることで性能が向上するか？
• RQ2 MLE、バーグ法、ユール＝ウォーカー法のうち、てんかんEEG検出に最も信頼性の高いスペクトル推定をもたらすのはどれか？
• RQ3 AIC、BIC、AICcは、正常とてんかんEEG活動を区別するための最適なARモデル次数の選定にどの程度有効か？
• RQ4 提案手法は、従来の視覚的EEG解釈に比べ、てんかん巣の局在化においてより高い感受性と正確性を達成できるか？
• RQ5 パラメトリックなスペクトル推定を用いて、臨床的関連性のある周波数帯（デルタ帯からベータ帯）におけるスペクトルパワー分布が、てんかんパターンと正常パターンを信頼性高く区別できるか？

主な発見

• 提案手法は、テスト対象の患者において全体で70％の正確性を達成し、神経科医による解釈と比較して80.55％の感受性に達した。
• 右前頭側頭葉てんかんを有する患者3番は、82.12％の検出正確性と100％の感受性を示し、局在性発作に対して優れた性能を示した。
• PSD解析により、てんかん患者ではアルファ帯（8–14 Hz）付近に顕著な低周波数パワーが支配的であることが明らかになった。これは臨床的観察と整合し、病理的同期化を示している。
• 健康な被験者では、PSDに低周波数エネルギーが最小限であり、広帯域の高周波数成分が観察された。これは、モデルが正常と異常パターンを区別できる能力を有していることを裏付けている。
• AICおよびBICを用いたARモデル次数の選択は、安定的かつ正確なスペクトル推定をもたらし、AICcはモデルの適合度と複雑さのバランスの取れた妥当なトレードオフを提供した。
• MLE、バーグ法、ユール＝ウォーカー法を用いたARパラメータ推定は、被験者間で一貫した結果を示し、残差分散（σ² ≈ 0.03–4.37）のばらつきも最小限に抑えられ、モデルの頑健性が裏付けられた。