[論文レビュー] Topological biomarkers for real-time detection of epileptic seizures

Ximena Fernández, Diego M. Mateos|arXiv (Cornell University)|Nov 4, 2022

Topological and Geometric Data Analysis被引用数 4

ひとこと要約

本論文は、多チャネル神経生理信号（EEG、MEG、iEEG）のスライディングウインドウ埋め込みの持続的ホモロジーから導出された位相的バイオマーカーを用いて、リアルタイムでてんかん発作を検出する手法を提案する。時間経過に伴うパーシsistense図の一次微分を分析することにより、多様な臨床的状況や記録タイプにおいて、発作発作および終了に伴う動的変化を高い正確性で検出する。

ABSTRACT

Real time seizure detection is a fundamental problem in computational neuroscience towards diagnosis and treatment's improvement of epileptic disease. We propose a real-time computational method for tracking and detection of epileptic seizures from raw neurophysiological recordings. Our mechanism is based on the topological analysis of the sliding-window embedding of the time series derived from simultaneously recorded channels. We extract topological biomarkers from the signals via the computation of the persistent homology of time-evolving topological spaces. Remarkably, the proposed biomarkers robustly captures the change in the brain dynamics during the ictal state. We apply our methods in different types of signals including scalp and intracranial electroencephalograms and magnetoencephalograms, in patients during interictal and ictal states, showing high accuracy in a range of clinical situations.

研究の動機と目的

• 生の神経生理記録からの自動てんかん発作検出のためのリアルタイム計算手法を開発すること。
• てんかん状態における脳動態の遷移を強固に捉える位相的バイオマーカーを特定すること。
• 頭皮EEG、脳内EEG、MEGといった多様な記録モダリティ（スケール）および局所性 vs. 广範性発作といった臨床状態にわたる検出を可能にすること。
• 従来の前処理が重い機械学習手法の限界を克服し、ストリーミング・オンライン解析を可能にすること。
• 異なるデータ収集方法や患者特異的動態に適用可能な一貫性があり、幾何学的知見に基づいたフレームワークを提供すること。

提案手法

• 各チャネルの時系列にTakensの遅延埋め込みを適用し、R^Dにおけるスライディングウインドウ埋め込みを介して状態空間軌道を再構築する。
• 埋め込みからの時間発展する点群に持続的ホモロジーを適用し、パーシステンス図を生成する。
• パーシステンス図の発展の一次微分を近似し、時間経過に伴う位相的構造の変化を定量的に評価する。
• 微分値をバイオマーカーとして使用：高い値は発作発作および終了期を示す。
• 各チャネルごとに独立して適用し、バイオマーカーのピークの空間的・時間的整合性に基づいて局所性発作と広範性発作の動態を同定する。
• 代数的位相幾何学を活用して、基礎方程式の事前知識が不要な神経動態の内在的幾何的特徴を抽出する。

実験結果

リサーチクエスチョン

• RQ1 持続的ホモロジーから導出された位相的特徴は、生の神経生理信号からリアルタイムでてんかん発作を検出可能か？
• RQ2 位相的バイオマーカーは、無発作状態から発作状態への遷移における脳動態の変化をどのように反映するか？
• RQ3 チャネルごとのバイオマーカーパターンを用いて、局所性発作と広範性発作を区別できるか？
• RQ4 本手法は、EEG、MEG、iEEGといった異なる記録タイプおよび患者特異的信号特性に対しても頑健性を維持できるか？
• RQ5 パーシステンス図発展の一次微分は、発作発作および終了の信頼できる指標として機能するか？

主な発見

• 本手法は、頭皮EEG、脳内EEG、MEGを含む複数の神経生理記録タイプにおいて、リアルタイムでのてんかん発作検出において高い正確性を達成した。
• パーシステンス図の一次微分に基づく位相的バイオマーカーは、発作発作および終了を的確に特定でき、顕著なピークがこれらの遷移を示した。
• 局所性発作では、発作が発生するチャネルでバイオマーカーに先行するピークが現れ、その後他のチャネルに順次活性化が伝播した。
• 広範性発作では、発作発作および終了時にすべてのチャネルでバイオマーカー微分値のピークが同期して現れ、全脳の同期化を示した。
• 本手法は、異なる記録モダリティおよび臨床状況においても頑健であり、信号タイプや患者特異的ばらつきに関係なく、発作検出に一貫性を示した。
• スライディングウインドウ埋め込みに持続的ホモロジーを適用することで、従来の時間周波数解析や複雑性ベースの手法では検出できない神経動態の内在的幾何的変化を捉えることができた。