[논문 리뷰] Uterine muscle networks: Connectivity analysis of the EHG during pregnancy and Labor

Noujoud Nader, Mahmoud Hassan외 4명|arXiv (Cornell University)|2019. 04. 10.

Preterm Birth and Chorioamnionitis참고 문헌 30인용 수 4

한 줄 요약

이 연구는 임신 및 분만 기간 동안 자궁 전기 활동을 특성화하기 위해 복부 전기하이스터로그램(EHG) 신호의 네트워크 기반 분석을 제안한다. 4x4 복부 전극에서 유도된 상관관계 기반 연결성 행렬에 그래프 이론을 적용함으로써, 분만 기간에는 더 두꺼운, 더 동기화된 네트워크가 나타나는 것을 확인하였으며, 전통적인 EHG 특성보다 노동 시작 및 조기분만 위험을 탐지하는 데 뛰어난 분류 성능을 달성하였다.

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.

연구 동기 및 목표

• 비침습적 EHG 기록을 이용한 자궁 전기 활동 분석을 위한 네트워크 기반 접근법을 개발하기 위해.
• 그래프 이론적 지표의 임상적 유용성을 평가하여 임신 상태와 노동 상태를 구분하기 위해.
• 기존의 EHG 파rameter와 연결성 측정치를 통합하여 노동 탐지 및 조기분만 예측을 향상시키기 위해.
• 다양한 연결성 추정 방법과 네트워크 지표의 조합이 자궁 수축 패턴을 분류하는 데 어떤 성능을 보이는지 평가하기 위해.

제안 방법

• 임신 및 분만 기간 동안 4x4 복부 전극 격자에서 전기하이스터로그램(EHG) 신호를 기록하였다.
• 각 전극 쌍 간의 EHG 신호 상관관계를 계산하여 功能적 연결성(기능적 연결 강도)을 추정하였다.
• 상관계수 값에서 유도된 인접행렬을 구성하여, 전극(노드) 간에 연결된 간선(연결 강도)으로 이루어진 네트워크를 구축하였다.
• 클러스터링 계수, 특성 경로 길이, 전역 효율성 등의 지표를 사용하여 그래프 이론을 적용해 네트워크의 위상적 특성(위상학적 구조)을 정량화하였다.
• 네트워크 구축에 가장 강력한 성능을 보이는 방법을 도출하기 위해 여러 연결성 추정 방법을 비교하였다.
• 35명의 참가자 데이터를 활용하여 네트워크 지표의 분류 성능을 평가하여 임신과 노동을 구분하였다.

실험 결과

연구 질문

• RQ1 전통적인 EHG 특성에 비해 EHG 신호의 네트워크 기반 분석이 노동 중 자궁 수축 탐지에 얼마나 향상될 수 있는가?
• RQ2 임신과 노동 상태 간 자궁 근육 네트워크의 위상적 구조는 어떻게 변화하는가?
• RQ3 연결성 추정 방법과 네트워크 지표의 조합 중에서 노동 탐지에 가장 높은 분류 정확도를 달성하는 조합은 무엇인가?
• RQ4 네트워크 측정치는 조기분만 시작을 어느 정도 예측할 수 있는가?
• RQ5 네트워크 특성은 자궁 전기 활동의 전파 역학을 어떻게 반영하는가?

주요 결과

• 노동 기간 동안 자궁 근육 네트워크가 임신 기간보다 더 두껍고 더 동기화되어 있음을 관찰하였으며, 이는 功能적 연결성이 증가했음을 시사한다.
• 모든 평가된 특성 중에서 네트워크 기반 지표가 가장 높은 분류 정확도를 기록하였다. 임신과 노동을 구분하는 데서.
• 상관계수 기반 연결성 추정과 그래프 이론 지표의 조합이 기존의 EHG 파rameter보다 자궁 수축 상태를 분류하는 데 뚜렷한 성능 향상을 보였다.
• 전역 효율성과 클러스터링 계수 지표가 임신 단계와 노동 단계 간 강력한 분류 능력을 보였다.
• 제안된 프레임워크는 임신 중 자궁 활동을 비침습적이고 실시간으로 모니터링할 잠재력이 높으며, 노동 시작 탐지에 임상적으로 유의미한 응용 가능성을 보였다.
• 결과적으로 네트워크 분석은 조기분만 예측 시스템의 민감도와 특이도를 향상시킬 수 있음을 시사한다.