[논문 리뷰] Characterization of high frequency oscillations and EEG frequency spectra using the damped-oscillator oscillator detector (DOOD)

David Hsu, Murielle Hsu외 3명|arXiv (Cornell University)|2013. 09. 04.

EEG and Brain-Computer Interfaces참고 문헌 18인용 수 3

한 줄 요약

이 논문은 뇌전도도 신호에서 고주파 진동(HFOs)을 감지하고 고해상도 시간-주파수 분석을 수행하는 자동화된 알고리즘인 감쇠진동자 감지기(DOOD)를 소개한다. 쥐와 인간의 뇌전도도 데이터에서 검증된 DOOD는 HFO 감지에 높은 민감도와 양성 예측도를 달성하면서도, 복잡한 다중 대역 주파수 구조를 드러내어, 수작업으로 HFO를 평가하는 데 드는 노동을 줄이고 병적 및 정상 HFO를 구분할 잠재적 가능성을 제공한다.

ABSTRACT

Objective: The surgical resection of brain areas with high rates of visually identified high frequency oscillations (HFOs) on EEG has been correlated with improved seizure control. However, it can be difficult to distinguish normal from pathological HFOs, and the visual detection of HFOs is very time-intensive. An automated algorithm for detecting HFOs and for wide-band spectral analysis is desirable. Methods: The damped-oscillator oscillator detector (DOOD) is adapted for HFO detection, and tested on recordings from one rat and one human. The rat data consist of recordings from the hippocampus just prior to induction of status epilepticus, and again 6 weeks after induction, after the rat is epileptic. The human data are temporal lobe depth electrode recordings from a patient who underwent pre-surgical evaluation. Results: Sensitivities and positive predictive values are presented which depend on specifying a threshold value for HFO detection. Wide-band time-frequency and HFO-associated frequency spectra are also presented. In the rat data, four high frequency bands are identified at 80-250 Hz, 250-500 Hz, 600-900 Hz and 1000-3000 Hz. The human data was low-passed filtered at 1000 Hz and showed HFO-associated bands at 15 Hz, 85 Hz, 400 Hz and 700 Hz. Conclusion: The DOOD algorithm is capable of high resolution time-frequency spectra, and it can be adapted to detect HFOs with high positive predictive value. HFO-associated wide-band data show intricate low-frequency structure. Significance: DOOD may ease the labor intensity of HFO detection. DOOD wide-band analysis may in future help distinguish normal from pathological HFOs.

연구 동기 및 목표

• 뇌전도도에서 수작업으로 HFO를 감지하는 데 소요되는 시간 문제를 해결하기 위해, 이는 간질 수술 계획에 있어 핵심적인 역할을 한다.
• 높은 민감도와 양성 예측도를 갖춘 고주파 진동(HFOs) 감지가 가능한 자동화된 알고리즘을 개발하기 위해.
• HFO와 연관된 세부적인 스펙트럼 구조를 밝혀내기 위해 뇌전도도 신호의 고해상도 시간-주파수 분석을 가능하게 하기 위해.
• DOOD를 사용한 넓은 대역 스펙트럼 분석이 정상 HFO와 병적 HFO를 구분하는 데 유용한가를 탐색하기 위해.
• 임상적 관련성을 확보하기 위해 동물 및 인간 뇌전도도 기록에서 DOOD 알고리즘을 검증하기 위해.

제안 방법

• 뇌전도도 신호를 감쇠 진동 성분으로 모델링하여, 감쇠진동자 감지기(DOOD)를 HFO 감지에 적응시켰다.
• DOOD는 감쇠진동자 임펄스 응답을 기반으로 한 매치드 필터 접근법을 사용하여 뇌전도도 시계열에서 일시적인 고주파 사건을 감지한다.
• 알고리즘은 중심 주파수와 감쇠율이 다양한 감쇠진동자 커널의 집합과 뇌전도도를 컨볼루션하여 신호의 시간-주파수 표현을 계산한다.
• 감지 임계값을 적용하여 유의미한 HFO 사건을 식별하며, 성능 평가에 민감도와 양성 예측도 지표를 사용한다.
• 다양한 주파수 대역에서 감지된 HFO 주변의 파wer 분포를 분석하여 넓은 대역 주파수 스펙트럼을 추출한다.
• 이 방법은 쥐의 해마 뇌전도도(발작 상태 이전 및 이후)와 인간의 템포라리 림프 뇌전도도 전극 기록에 적용되었다.

실험 결과

연구 질문

• RQ1 DOOD는 뇌전도도에서 높은 민감도와 양성 예측도를 갖춰 신뢰성 있게 고주파 진동(HFOs)을 감지할 수 있는가?
• RQ2 DOOD의 넓은 대역 스펙트럼 분석은 HFO 연관 뇌전도도 활동에서 어떤 다중 대역 주파수 구조를 드러내는가?
• RQ3 DOOD의 성능는 쥐와 인간 뇌전도도 기록의 다양한 주파수 대역에서 어떻게 달라지는가?
• RQ4 DOOD의 스펙트럼 분석은 주파수 구성에 기반해 정상 HFO와 병적 HFO를 구분할 수 있는가?
• RQ5 DOOD는 수작업 검토에 비해 HFO 감지의 노동 강도를 줄일 수 있는가?

주요 결과

• 쥐의 해마 뇌전도도 기록에서 DOOD는 네 가지 구분되는 HFO 대역(80–250 Hz, 250–500 Hz, 600–900 Hz, 1000–3000 Hz)을 식별했다.
• 인간의 템포라리 림프 뇌전도도(1000 Hz로 로우패스 필터링됨)에서 DOOD는 15 Hz, 85 Hz, 400 Hz, 700 Hz에 해당하는 HFO 연관 주파수 대역을 감지했다.
• HFO 감지의 민감도와 양성 예측도는 임계값 선택에 따라 달라졌으며, 시험된 모든 임계값에서 높은 성능를 달성할 수 있었다.
• DOOD는 HFO와 관련된 넓은 대역 스펙트럼에서 복잡한 저주파 구조를 드러내어, 복잡한 기저 동역학을 시사했다.
• 알고리즘은 설치류 및 인간 뇌전도도 데이터에서 자동화된 고해상도 시간-주파수 분석의 가능성을 입증했다.
• 결과는 DOOD가 세밀한 스펙트럼 분해를 통해 병적 HFO와 정상 HFO를 구분하는 데 도움이 될 수 있음을 시사한다.