[논문 리뷰] Localization of epileptic seizure with an approach based on the PSD with an autoregressive model

Mahamat Ali Issaka, Ali S. Dabye외 1명|arXiv (Cornell University)|2015. 06. 02.

EEG and Brain-Computer Interfaces참고 문헌 11인용 수 5

한 줄 요약

이 논문은 자기모형화(AR) 모델링과 전력 스펙트럼 밀도(PSD) 분석을 사용하여 주파수 해상도를 향상시키고 검출를 자동화하기 위해 새로운 EEG 기반 간질 발작 국소화 방법을 제안한다. 비정상적인 EEG 신호를 안정화하기 위해 미분을 적용하고, 최대우도추정(MLE), 버그(Burg) 및 유일워커(Yule-Walker) 방법을 통해 AR 파라미터를 추정하며, AIC/BIC를 사용하여 최적의 모델 차수를 선택함으로써, 신경과의 시각적 검사보다 빠르고 일관성 있는 70%의 정확도와 80.55%의 민감도를 달성하였다.

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.

연구 동기 및 목표

• 신경과의 시각적 검사 이외의 방법으로 EEG 신호 내 간질 발작 검출의 정확도와 자동화를 향상시키기 위해.
• AR 모델링에 적합한 정상성을 확보하기 위해 비정상성의 EEG 신호에 신호 미분을 적용하여 정상성을 달성하기 위해.
• AR 모델을 통한 파rametric 스펙트럼 추정을 통해 EEG 분석의 주파수 도메인 해상도를 향상시키기 위해.
• 다양한 AR 파라미터 추정 방법(MLE, 버그, 유일워커)과 모델 차수 선택 기준(AIC, BIC, AICc)의 성능을 평가하기 위해.
• 임상적으로 관련성이 있는 대역(델타, 테타, 알파, 베타)의 스펙트럼 전력 분포를 기반으로 신뢰할 수 있는 자동 검출 기준을 개발하기 위해.

제안 방법

• 비정상적인 신호를 AR 모델링에 적합한 정상적 형태로 변환하기 위해 EEG 데이터에 신호 미분을 적용하기 위해.
• 최대우도추정(MLE), 버그의 방법, 유일워커 방법을 사용하여 AR 모델 파라미터를 추정하기 위해.
• 정보 기준인 아카이케 정보 기준(AIC), 베이지안 정보 기준(BIC), 보정된 AIC(AICc)를 사용하여 최적의 AR 모델 차수를 선택하기 위해.
• 추정된 AR 모델에서 전력 스펙트럼 밀도(PSD)를 계산하여 델타(0.5–4 Hz), 테타(4–8 Hz), 알파(8–14 Hz), 베타(14–30 Hz) 대역의 주파수 성분을 분석하기 위해.
• 정상 및 간질성 EEG 신호 간의 PSD 출력을 비교하여 간질성 방출을 나타내는 비정상적인 스펙트럼 패턴을 식별하기 위해.
• 128채널 채널에서 획득한 10건의 간질성 및 4건의 정상 EEG 기록을 포함하는 데이터셋을 사용하여, 20초 단위로 2560개의 샘플을 확보하여 방법을 검증하기 위해.

실험 결과

연구 질문

• RQ1 비정상적인 EEG 신호에서 AR 모델링과 PSD 분석을 조합함으로써 시각적 검사보다 간질 발작 검출 성능을 향상시킬 수 있는가?
• RQ2 MLE, 버그, 유일워커 중 어떤 AR 파라미터 추정 방법이 간질성 EEG 검출에 가장 신뢰할 수 있는 스펙트럼 추정을 제공하는가?
• RQ3 AIC, BIC, AICc는 정상 및 간질성 EEG 활동을 구분하기 위해 최적의 AR 모델 차수를 선택하는 데 얼마나 효과적인가?
• RQ4 제안된 방법은 간질성 병소 국소화에서 전통적인 시각적 EEG 해석보다 더 높은 민감도와 정확도를 달성하는가?
• RQ5 파라메트릭 스펙트럼 추정을 사용하여 임상적으로 관련성이 있는 주파수 대역(델타에서 베타까지)의 스펙트럼 전력 분포가 간질성과 정상 EEG 패턴을 신뢰성 있게 구분할 수 있는가?

주요 결과

• 제안된 방법은 시험된 환자들 간의 간질 발작 검출에 대해 총 정확도 70%를 달성하였으며, 신경과의 시각적 해석에 비해 민감도는 80.55%에 도달하였다.
• 우측 전측 편도 간질을 앓는 환자 3번은 최고의 검출 정확도 82.12%를 기록하였으며, 민감도는 100%를 기록하여 국소성 발작에 대해 뛰어난 성능을 보였다.
• PSD 분석 결과, 간질 환자에서 알파 대역(8–14 Hz) 근처에 우세한 저주파 전력이 뚜렷하게 나타났으며, 임상 관찰과 일치하는 병적 동기화를 반영하였다.
• 건강한 환자에서는 저주파 에너지가 최소이며 고주파 성분이 넓게 분포되어 있어, 모델이 정상 및 비정상 패턴을 구분하는 데 능력을 입증하였다.
• AIC와 BIC를 사용한 AR 모델 차수 선택은 안정적이고 정확한 스펙트럼 추정을 이끌었으며, AICc는 모델 적합도와 복잡성 사이의 균형을 잘 맞추었다.
• MLE, 버그, 유일워커 방법을 사용한 결과, 환자 간에 일관된 AR 파라미터 추정이 이루어졌으며 잔차 오차 분산(σ² ≈ 0.03–4.37)의 변동성이 최소화되어 모델의 강건성을 검증하였다.