[論文レビュー] Uterine muscle networks: Connectivity analysis of the EHG during pregnancy and Labor

Noujoud Nader, Mahmoud Hassan+4 more|arXiv (Cornell University)|Apr 10, 2019

Preterm Birth and Chorioamnionitis参考文献 30被引用数 4

ひとこと要約

本研究では、妊娠および出産期における子宮電気活動を特徴付けるために、腹部電子子宮図（EHG）信号のネットワークベース分析を導入する。4×4の腹部電極から得られた相関に基づく結合行列を用い、グラフ理論を適用することで、出産期にはより密で、より同期の取れたネットワークが形成されることが明らかになった。このフレームワークは、出産開始および早産リスクの検出において、従来のEHG特徴量を上回る分類性能を達成した。

ABSTRACT

In this paper, we propose a new framework to analyze the electrical activity of the uterus recorded by electrohysterography (EHG), from abdominal electrodes (a grid of 4x4 electrodes) during pregnancy and labor. We evaluate the potential use of the synchronization between EHG signals in characterizing electrical activity of the uterus during pregnancy and labor. The complete processing pipeline consists of i) estimating the correlation between the different EHG signals, ii) quantifying the connectivity matrices using graph theory-based analysis and iii) testing the clinical impact of network measures in pregnancy monitoring and labor detection. We first compared several connectivity methods to compute the adjacency matrix represented as a graph of a set of nodes (electrodes) connected by edges (connectivity values). We then evaluated the performance of different graph measures in the classification of pregnancy and labor contractions (number of women=35). A comparison with the already existing parameters used in the state of the art of labor detection and preterm labor prediction was also performed. Results show higher performance of connectivity methods when combined with network measures. Denser graphs were observed during labor than during pregnancy. The network-based metrics showed the highest classification rate when compared to already existing features. This network-based approach can be used not only to characterize the propagation of the uterine contractions, but also may have high clinical impact in labor detection and likely in the prediction of premature labor.

研究の動機と目的

• 非侵襲的EHG記録を用いた子宮電気活動のネットワークベース分析手法の開発。
• グラフ理論的指標の臨床的有用性を、妊娠状態と出産状態の区別に有効であるかを評価すること。
• 既存のEHGパラメータと結合性測定値を統合することで、出産検出および早産予測の精度を向上させること。
• さまざまな結合性推定法およびネットワーク指標の組み合わせが、子宮収縮パターンの分類に与える性能を評価すること。

提案手法

• 妊娠および出産期に、腹部電極の4×4グリッドからEHG信号を記録した。
• 各電極ペア間のEHG信号の相互相関を計算し、機能的結合性を推定した。
• 相関値から隣接行列を構築し、電極（ノード）が結合強度（エッジ）で接続されたネットワークを表現した。
• クラスタリング係数、特徴的パス長、グローバル効率などの指標を用いて、グラフ理論を応用し、ネットワークのトポロジーを定量的に評価した。
• 複数の結合性推定法を比較し、ネットワーク構築に最も頑健な手法を特定した。
• 35名の参加者からのデータを用いて、ネットワーク指標の分類性能を評価し、妊娠と出産の区別を試みた。

実験結果

リサーチクエスチョン

• RQ1 従来のEHG特徴量と比較して、EHG信号のネットワークベース分析は、出産期の子宮収縮検出をどのように改善できるか？
• RQ2 妊娠時と出産時における子宮筋繊維ネットワークのトポロジカル構造は、どのように変化するか？
• RQ3 どの結合性推定法とネットワーク指標の組み合わせが、出産検出の分類精度を最も高めるか？
• RQ4 ネットワーク指標は、早産発症をどの程度まで予測できるか？
• RQ5 ネットワーク特性は、子宮電気活動の伝播ダイナミクスをどのように反映しているか？

主な発見

• 出産期には、妊娠時と比較して、より密で、より同期の取れた子宮筋繊維ネットワークが観察され、機能的結合性の増加が示された。
• ネットワークベースの指標は、妊娠と出産を区別するためのすべての評価特徴量の中で、最高の分類率を達成した。
• 相関に基づく結合性推定とグラフ理論指標の組み合わせは、従来のEHGパラメータを著しく上回る、収縮状態の分類性能を示した。
• グローバル効率とクラスタリング係数は、妊娠期と出産期の間で強い区別能力を示した。
• 提案されたフレームワークは、臨床的意義を持つ非侵襲的でリアルタイムな子宮活動モニタリングの可能性を示した。
• 結果から、ネットワーク解析が、早産予測システムの感度と特異度を向上させられると示唆された。