[논문 리뷰] WU-NEAT: A clinically validated, open- source MATLAB toolbox for limited-channel neonatal EEG analysis

Zachary A. Vesoulis, Paul Gamble외 4명|arXiv (Cornell University)|2018. 05. 11.

Neonatal and fetal brain pathology참고 문헌 13인용 수 3

한 줄 요약

WU-NEAT는 제한된 채널을 갖는 신생아 뇌전도를 분석하기 위한 오픈소스이며 임상에서 검증된 MATLAB 도구상자로, 진폭통합 뇌전도(aEEG) 및 스펙트럼 경계 주파수(SEF) 알고리즘을 구현한다. aEEG 분류에 대해 100% 내부 평가자 신뢰도와 98% 간접 평가자 신뢰도를 달성하였고, SEF 계산에 대해 0.96의 피어슨 상관계수를 기록하여 기기 종속성이 없고 재현 가능한 신생아 뇌전도 분석을 보장하여 공동 연구를 가능하게 한다.

ABSTRACT

Goal: Limited-channel EEG research in neonates is hindered by lack of open, accessible analytic tools. To overcome this limitation, we have created the Washington University- Neonatal EEG Analysis Toolbox (WU-NEAT), containing two of the most commonly used tools, provided in an open-source, clinically-validated package running within MATLAB. Methods: The first algorithm is the amplitude-integrated EEG (aEEG), which is generated by filtering, rectifying and time-compressing the original EEG recording, with subsequent semi-logarithmic display. The second algorithm is the spectral edge frequency (SEF), calculated as the critical frequency below which a user- defined proportion of the EEG spectral power is located. The aEEG algorithm was validated by three experienced reviewers. Reviewers evaluated aEEG recordings of fourteen preterm/term infants, displayed twice in random order, once using a reference algorithm and again using the WU-NEAT aEEG algorithm. Using standard methodology, reviewers assigned a background pattern classification. Inter/intra-rater reliability was assessed. For the SEF, calculations were made using the same fourteen recordings, first with the reference and then with the WU-NEAT algorithm. Results were compared using Pearson's correlation coefficient. Results: For the aEEG algorithm, intra- and inter-rater reliability was 100% and 98%, respectively. For the SEF, the mean (SD) Pearson correlation coefficient between algorithms was 0.96 (0.04). Conclusion: We have demonstrated a clinically-validated toolbox for generating the aEEG as well as calculating the SEF from EEG data. Open-source access will enable widespread use of common analytic algorithms which are device-independent and not subject to obsolescence, thereby facilitating future collaborative research in neonatal EEG.

연구 동기 및 목표

• 제한된 채널을 갖는 신생아 뇌전도 분석을 위한 오픈소스, 접근 용이하고 임상에서 검증된 도구의 부족을 해결하기 위해.
• 핵심 신생아 뇌전도 지표의 광범위한 사용을 지원하는 표준화된 오픈소스 MATLAB 도구상자 개발을 위해.
• 전문 평가자들이 수행한 임상 검증을 통해 알고리즘의 신뢰성과 재현 가능성을 확보하기 위해.
• 벤더에 종속된 소프트웨어 의존성과 노후화 위험을 제거하여 향후 공동 연구를 촉진하기 위해.

제안 방법

• 원시 뇌전도 신호에 대한 필터링, 정류 및 시간 압축을 통해 진폭통합 뇌전도(aEEG)를 구현하고, 반로그 스케일 시각화를 수행한다.
• 사용자가 정의한 비율(예: 90%) 이하의 총 스펙트럼 에너지가 포함되는 주파수를 스펙트럼 경계 주파수(SEF)로 계산한다.
• 세 명의 숙련된 평가자가 배경 패턴을 분류하는 데 망각된 무작위 검토 절차를 통해 aEEG 알고리즘을 검증한다.
• 14개의 신생아 뇌전도 기록에서 기준 구현체와의 비교를 통해 SEF 알고리즘을 검증한다. 피어슨 상관계수를 사용한다.
• 재현 가능성과 기기 종속성 없음을 보장하기 위해 MATLAB에서 오픈소스로 도구상자를 배포한다.
• aEEG 분류의 간접 평가자 및 내부 평가자 신뢰도 평가를 위해 표준 임상 방법을 사용한다.

실험 결과

연구 질문

• RQ1 WU-NEAT가 생성한 aEEG 분류가 기준 알고리즘과 비교해 높은 간접 평가자 및 내부 평가자 신뢰도를 달성할 수 있는가?
• RQ2 WU-NEAT의 SEF 계산이 기준 구현체와 얼마나 밀접하게 상관되는가?
• RQ3 WU-NEAT가 다양한 임상 및 연구 환경에서 재현 가능성과 표준화를 어느 정도 보장하는가?
• RQ4 오픈소스이자 MATLAB 기반의 도구상자는 벤더 종속성 없이 신뢰할 수 있는 신생아 뇌전도 분석을 효과적으로 지원할 수 있는가?
• RQ5 공개 도구상자에 임상에서 검증된 알고리즘을 통합함으로써 신생아 뇌전도 연구 분야의 협업과 데이터 공유가 향상되는가?

주요 결과

• WU-NEAT의 aEEG 알고리즘은 14개의 신생아 뇌전도 기록에서 배경 패턴 분류에 대해 100% 내부 평가자 신뢰도와 98% 간접 평가자 신뢰도를 달성하였다.
• WU-NEAT와 기준 SEF 계산 간 평균 피어슨 상관계수는 0.96(표준편차 0.04)였으며, 강한 일치를 나타내었다.
• 동일한 기록을 두 번 평가했을 때도 aEEG 알고리즘이 평가자 간 일관된 성능을 보였고, 분류에서 오류가 없었다.
• SEF 알고리즘은 모든 테스트 기록에서 WU-NEAT와 기준 방법 간 최소한의 변동성을 보이며 높은 재현성을 보였다.
• 도구상자는 임상적으로 신뢰할 수 있는 것으로 검증되어 연구 및 임상 현장에서의 활용이 가능하다.
• 오픈소스 배포로 장기적인 접근성 확보와 노후화 위험 감소가 가능하여 공동 연구를 촉진한다.