[論文レビュー] NEURAL: quantitative features for newborn EEG using Matlab

John M. Toole, Geraldine B. Boylan|arXiv (Cornell University)|Apr 19, 2017

Neonatal and fetal brain pathology被引用数 37

ひとこと要約

本論文は、新生児EEGの定量的分析のための標準的で再現可能なフレームワークを提供するオープンソースのMatlabソフトウェアパッケージであるNEURALを紹介する。このパッケージは、定常的特徴（振幅、スペクトル、結合性、インターバースラスト間隔）を正確なアルゴリズム的詳細とともに実装しており、新生児集中治療科研究における一貫性のある自動分析を可能にし、脳の発達および障害の検出に関する研究を支援する。

ABSTRACT

Background: For newborn infants in critical care, continuous monitoring of brain function can help identify infants at-risk of brain injury. Quantitative features allow a consistent and reproducible approach to EEG analysis, but only when all implementation aspects are clearly defined. Methods: We detail quantitative features frequently used in neonatal EEG analysis and present a Matlab software package together with exact implementation details for all features. The feature set includes stationary features that capture amplitude and frequency characteristics and features of inter-hemispheric connectivity. The software, a Neonatal Eeg featURe set in mAtLab (NEURAL), is open source and freely available. The software also includes a pre-processing stage with a basic artefact removal procedure. Conclusions: NEURAL provides a common platform for quantitative analysis of neonatal EEG. This will support reproducible research and enable comparisons across independent studies. These features present summary measures of the EEG that can also be used in automated methods to determine brain development and health of the newborn in critical care.

研究の動機と目的

• 新生児研究における定量的EEG特徴の標準的で再現可能な実装の欠如に対処すること。
• 実装詳細が欠落または曖昧であるために、研究間で特徴抽出に不一致が生じるのを回避すること。
• 独立した新生児EEG研究間での結果の直接比較を可能にする共通のソフトウェアプラットフォームを提供すること。
• 新生児集中治療ユニット（NICUs）における自動的で継続的なEEGモニタリングシステムの開発を支援すること。
• 客観的で定量的なEEG特徴を用いて、脳の成熟、障害、臨床的予後に関する研究を促進すること。

提案手法

• NEURALソフトウェアパッケージはMatlab（v0.3.1）で実装されており、IIR低域透過フィルタリングおよび64 Hzへのリサンプリングを含む前処理ステージを備えている。
• 振幅特徴は、生EEGおよびそのエンベロープから計算され、総パワー、標準偏差、歪度、尖度、および範囲EEG（rEEG）メトリクスを含む。
• スペクトル特徴は短時間フーリエ変換（STFT）を用いて導出され、パワー密度スペクトル（PSD）、スペクトルエントロピー（シャノンおよびウィーナー）、スペクトルエッジ周波数、およびフラクタル次元を含む。
• 結合性特徴は、両側頭皮電極ペア間でコherエンス、相互相関、および脳対称性インデックス（BSI）を用いて計算される。
• インターバースラスト間隔（IBI）特徴は、バースト抑制のアノテーションから抽出され、中央値および最大IBI長、バースト割合、バースト数を含む。
• すべてのパラメータは、中央のパラメータファイル（neural_parameters.m）を介して設定可能であり、フィルタのカットオフ周波数（30 Hz）およびリサンプリング周波数（64 Hz）のデフォルト設定が用意されている。

実験結果

リサーチクエスチョン

• RQ1 標準的でオープンソースのソフトウェアパッケージは、独立した研究における新生児EEG特徴抽出の再現性および比較可能性を向上させることができるか？
• RQ2 標準化された実装詳細は、臨床的実装に比べて、定量的EEG特徴のばらつきをどの程度低減するか？
• RQ3 実装された定常的特徴（振幅、スペクトル、結合性、IBI）は、新生児脳機能および成熟の臨床的関連性をどの程度反映しているか？
• RQ4 NEURALツールボックスは、新生児集中治療ユニットにおける自動的でリアルタイムのEEG分析システムの基盤として機能できるか？
• RQ5 前処理ステップ（例：フィルタリングおよびリサンプリング）は、新生児における定量的EEG特徴の信頼性および一貫性にどのような影響を及えるか？

主な発見

• NEURALソフトウェアパッケージは、新生児EEGにおける主要な定量的EEG特徴を完全に文書化されたオープンソース実装として提供しており、正確なアルゴリズム的詳細を含む。
• パッケージには、IIR低域透過フィルタリングおよび64 Hzへのリサンプリングを含む前処理パイプラインが含まれており、研究間での信号準備の一貫性を確保する。
• rEEG平均、中央値、幅といった振幅特徴は信号のエンベロープから計算され、aEEGとの比較を可能にしつつ、より多くの波形詳細を保持する。
• スペクトルエントロピー（シャノンおよびウィーナー）、スペクトルエッジ周波数、フラクタル次元といったスペクトル特徴は周波数帯域ごとに計算され、脳活動の複雑性の分析を支援する。
• コherエンスおよび脳対称性インデックス（BSI）といった結合性特徴はペアドチャネル間で計算され、左右半球間の機能的結合性の評価が可能になる。
• 中央値IBI長およびバースト割合といったインターバースラスト間隔特徴は、未熟児（32週未満の妊娠年齢）に特化して設計されており、バースト抑制パターンの評価を支援する。