[논문 리뷰] Spike-and-wave epileptiform discharge pattern detection based on Kendall's Tau-b coefficient

Antonio Quintero-Rincón, Catalina Carenzo외 4명|arXiv (Cornell University)|2019. 11. 29.

EEG and Brain-Computer Interfaces인용 수 4

한 줄 요약

이 논문은 EEG 신호에서 스파이크-웨이브 방출(SWD)을 탐지하기 위한 새로운 방법을 제안한다. 이 방법은 후보 세그먼트와 기준 SWD 패턴 간의 형태적 일치도를 측정하기 위해 켄달의 타우-b 계수를 사용한다. 필터링, 정규화, 비모수적 상관관계 분석을 적용하여 환자별로 94%의 특이도를 달성하였으며, 임상적으로 낮은 가짜 양성 결과를 보이며 간질성 방출을 매우 신뢰성 있게 식별할 수 있음을 입증하였다.

ABSTRACT

Epilepsy is an important public health issue. An appropriate epileptiform discharge pattern detection of this neurological disease is a typical problem in biomedical engineering. In this paper, a new method is proposed for spike-and-wave discharge pattern detection based on Kendall's Tau-b coefficient. The proposed approach is demonstrated on a real dataset containing spike-and-wave discharge signals, where our performance is evaluated in terms of high Specificity, rule in (SpPIn) with 94% for patient-specific spike-and-wave discharge detection and 83% for a general spike-and-wave discharge detection.

연구 동기 및 목표

• 간질의 핵심 생물학적 지표인 EEG 신호 내 스파이크-웨이브 방출(SWD) 패턴을 신뢰성 있게 탐지하기 위한 방법을 개발하는 것.
• 높은 특이도로 소음이 많고 동적인 EEG 데이터에서 형태적으로 유사한 간질성 방출을 식별하는 데 도전하는 문제를 해결하는 것.
• 켄달의 타우-b 계수가 기준 SWD 패턴과 EEG 세그먼트 간의 형태적 일치도를 효과적으로 측정할 수 있는지 평가하는 것.
• 최소한의 학습 데이터로 환자별 맞춤형 SWD 탐지의 가능성을 평가하는 것.
• 기존 최첨단 기술들과의 성능 비교를 통해 특이도와 민감도 측면에서 제안된 방법의 성능을 평가하는 것.

제안 방법

• 각 EEG 채널을 기준 SWD 패턴의 지속 시간과 동일한 고정 길이의 겹치지 않는 윈도우로 분할한다.
• 각 세그먼트는 파형 형태를 유지하면서 잡음을 줄이기 위해 5점 이동 평균 필터를 사용하여 사전 처리된다.
• 세그먼트와 기준 SWD 패턴은 최소-최대 스케일링을 통해 동일한 범위 [0,1]로 정규화되어 비교 가능성을 확보한다.
• 정규화된 기준 SWD와 각 정규화된 세그먼트 간에 켄달의 타우-b 계수를 계산하여 파형 형태의 순서적 일치도를 정량화한다.
• 타우-b 값에 임계값을 적용하여 세그먼트를 SWD 유사 또는 아님으로 분류하고, 혼동 행렬을 통해 분류 성능을 평가한다.
• 환자별 탐지 성능을 향상시키기 위해 환자당 10개의 대표적인 SWD 패턴을 포함시켜 특이도를 94%로 향상시켰다.

실험 결과

연구 질문

• RQ1 켄달의 타우-b 계수는 EEG 세그먼트와 기준 스파이크-웨이브 방출 패턴 간의 형태적 유사도를 효과적으로 탐지할 수 있는가?
• RQ2 일반적 탐지와 환자별 탐지의 경우, 제안된 방법의 특이도와 민감도는 어떻게 성능을 보이는가?
• RQ3 소규모 환자별 SWD 패턴 세트가 탐지 특이도를 크게 향상시킬 수 있는가?
• RQ4 기존 신호 처리 및 머신러닝 기법들과 비교했을 때, 이 방법은 간질성 방출 탐지에서 어떤 성능을 보이는가?
• RQ5 사전 처리 단계(필터링, 정규화)가 타우-b 상관계수의 SWD 탐지에 대한 강건성에 어떤 영향을 미치는가?

주요 결과

• 제안된 방법은 환자별 스파이크-웨이브 방출 탐지에서 94%의 특이도를 달성하여 진짜 SWD 패턴을 매우 높은 신뢰도로 식별할 수 있음을 나타낸다.
• 모든 환자에 대한 일반적 SWD 탐지의 경우, 특이도는 83%였으며, 95% 신뢰구간은 0.81에서 0.84 사이였다.
• 민감도는 14%로 낮았으며(95% 신뢰구간: 0.12–0.16), 이는 참 양성 탐지 수가 제한적이지만, 높은 특이도(스피피닌, SpPIn)를 목표한 바를 감안하면 수용 가능했다.
• 단지 10개의 환자별 SWD 패턴만 포함시켜도 특이도가 94%로 향상되었으며, 이는 개인 맞춤 모델링이 탐지 정확도를 향상시킬 수 있음을 시사한다.
• 선형 판별 분석, 이차 판별 분석, 선형 서포트 벡터 머신(SVM)과 같은 세 가지 지도 학습 분류기 역시 환자당 10개의 패턴만으로도 동일한 94% 특이도를 달성했다.
• 더 단순한 상관계수 기반 접근법임에도 불구하고, 제안된 방법은 허모닉 분석(97%) 및 모렐트 웨이블릿 에너지(98.7%)와 같은 몇몇 최첨단 기법들과 비교해도 특이도에서 뒤지지 않거나 그에 못지않게 우수한 성능을 보였다.