[논문 리뷰] Topological biomarkers for real-time detection of epileptic seizures

Ximena Fernández, Diego M. Mateos|arXiv (Cornell University)|2022. 11. 04.

Topological and Geometric Data Analysis인용 수 4

한 줄 요약

이 논문은 다중채널 신경생리 신호(EEG, MEG, iEEG)의 슬라이딩 윈도우 임베딩의 지속 동형성에 기반한 위상적 생물학적 지표를 사용하여 실시간 간질 발작 탐지 방법을 제안한다. 시간에 따른 영구 다이어그램의 일阶 도함수를 분석함으로써, 다양한 임상 환경과 기록 유형에서 간질 발작의 발병 및 종료와 관련된 동적 변화를 높은 정확도로 탐지한다.

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.

연구 동기 및 목표

• 원시 신경생리 기록에서 자동으로 발작을 탐지하기 위한 실시간 계산 방법을 개발하기 위해.
• 간질 상태 동안 뇌 동역학의 전환을 견고하게 포착하는 위상적 생물학적 지표를 식별하기 위해.
• 두피 EEG, 인트라크라니얼 EEG, MEG와 같은 다양한 기록 모odalities와 국소성 대 비국소성 간질 발작의 임상 조건 간의 탐지 가능성을 보장하기 위해.
• 기존의 전처리가 많은 기계학습 방법의 한계를 극복하기 위해 스트리밍 및 온라인 분석이 가능한 방법을 제공하기 위해.
• 다양한 데이터 획득 방법과 환자별 동적 특성에 적용 가능한 일관되고 기하학적 정보를 반영한 프레임워크를 제공하기 위해.

제안 방법

• 각 채널의 시계열에 대해 Takan의 지연 임베딩을 적용하여 R^D 내에서 상태 공간 궤적을 슬라이딩 윈도우 임베딩을 통해 재구성한다.
• 임베딩에서 유도된 시간에 따라 변화하는 점군에 대해 지속 동형성을 계산하여 영구 다이어그램을 생성한다.
• 영구 다이어그램의 진화에 대한 첫 번째 도함수를 근사하여 시간에 따른 위상적 구조의 변화를 정량화한다.
• 도함수 값을 생물학적 지표로 사용한다: 높은 값은 발작의 발병 및 종료 단계를 나타낸다.
• 각 채널별로 독립적으로 적용하여, 생물학적 지표 피크의 시공간적 일관성에 기반해 국소성 대 비국소성 발작 역학을 탐지한다.
• 대수적 위상수학을 활용하여, 기저 방정식에 대한 사전 지식이 필요 없이 신경 동역학의 내재 기하적 특징을 추출한다.

실험 결과

연구 질문

• RQ1 지속 동형성에서 유도된 위상적 특징은 원시 신경생리 신호에서 실시간으로 간질 발작을 탐지할 수 있는가?
• RQ2 위상적 생물학적 지표는 간질 상태로의 전환 과정에서 뇌 동역학의 변화를 어떻게 반영하는가?
• RQ3 채널별 생물학적 지표 패턴을 사용하여 국소성과 비국소성 발작을 구분할 수 있는가?
• RQ4 이 방법은 EEG, MEG, iEEG와 같은 다양한 기록 유형과 환자별 신호 특성 간에도 강건성을 유지하는가?
• RQ5 영구 다이어그램 진화의 첫 번째 도함수는 발작의 발병 및 종료를 신뢰할 수 있는 지표로 기능하는가?

주요 결과

• 이 방법은 두피 EEG, 인트라크라니얼 EEG, MEG를 포함한 다양한 종류의 신경생리 기록에서 실시간 간질 발작 탐지에 높은 정확도를 달성한다.
• 영구 다이어그램의 첫 번째 도함수에 기반한 위상적 생물학적 지표는 발작의 발병 및 종료를 성공적으로 식별하며, 이 전환을 나타내는 두드러진 피크가 나타난다.
• 국소성 발작의 경우, 발작이 기원하는 채널에서 생물학적 지표에 선도적인 피크가 나타나고, 이후 다른 채널들에 순차적으로 활성화된다.
• 비국소성 발작의 경우, 모든 채널에서 발작의 발병 및 종료 시점에 동기화된 생물학적 지표 도함수 피크를 보이며, 전역적 동기화를 나타낸다.
• 이 방법은 다양한 기록 모달리티와 임상 시나리오에서 강건성을 유지하며, 신호 유형이나 환자별 변동성에 관계없이 간질 발작 탐지의 일관성을 보인다.
• 슬라이딩 윈도우 임베딩에 대한 지속 동형성을 사용함으로써, 전통적인 시간-주파수 또는 복잡도 기반 방법으로는 탐지할 수 없는 신경 동역학의 내재 기하 변화를 포착할 수 있다.