[论文解读] NEURAL: quantitative features for newborn EEG using Matlab

John M. Toole, Geraldine B. Boylan|arXiv (Cornell University)|Apr 19, 2017

Neonatal and fetal brain pathology被引用 37

一句话总结

该论文介绍了 NEURAL，一个开源的 Matlab 软件包，为新生儿脑电图（EEG）的定量分析提供标准化、可重复的框架。它实现了平稳特征——振幅、频谱、连通性及间歇爆发间隔度量——并精确给出了算法细节，从而实现在新生儿重症监护研究中的一致性、自动化分析，并支持对脑发育和脑损伤检测的研究。

ABSTRACT

Background: For newborn infants in critical care, continuous monitoring of brain function can help identify infants at-risk of brain injury. Quantitative features allow a consistent and reproducible approach to EEG analysis, but only when all implementation aspects are clearly defined. Methods: We detail quantitative features frequently used in neonatal EEG analysis and present a Matlab software package together with exact implementation details for all features. The feature set includes stationary features that capture amplitude and frequency characteristics and features of inter-hemispheric connectivity. The software, a Neonatal Eeg featURe set in mAtLab (NEURAL), is open source and freely available. The software also includes a pre-processing stage with a basic artefact removal procedure. Conclusions: NEURAL provides a common platform for quantitative analysis of neonatal EEG. This will support reproducible research and enable comparisons across independent studies. These features present summary measures of the EEG that can also be used in automated methods to determine brain development and health of the newborn in critical care.

研究动机与目标

• 解决新生儿研究中定量脑电图特征缺乏标准化、可重复实现的问题。
• 克服因缺少或模糊的实现细节而导致的特征提取不一致问题。
• 提供一个通用的软件平台，使独立的新生儿脑电图研究结果能够直接比较。
• 支持在新生儿重症监护室（NICUs）中开发自动化、连续的脑电图监测系统。
• 利用客观、可量化的脑电图特征，促进对脑成熟、脑损伤及临床结局的研究。

提出的方法

• NEURAL 软件包基于 Matlab（v0.3.1）实现，包含一个预处理阶段，采用 IIR 低通滤波和重采样至 64 Hz。
• 振幅特征从原始脑电图及其包络中计算，包括总功率、标准差、偏度、峰度和范围脑电图（rEEG）度量。
• 频谱特征通过短时傅里叶变换（STFT）推导，包括功率谱密度（PSD）、谱熵（香农与维纳）、谱边缘频率和分形维数。
• 连通性特征通过脑区通道对之间的相干性、互相关和脑对称性指数（BSI）计算。
• 间歇爆发间隔（IBI）特征从爆发抑制标注中提取，包括中位数和最大 IBI 长度、爆发百分比及爆发次数。
• 所有参数均可通过中央参数文件（neural_parameters.m）进行配置，滤波截止频率（30 Hz）和重采样频率（64 Hz）设为默认值。

实验结果

研究问题

• RQ1 标准化、开源的软件包能否提升独立研究中新生儿脑电图特征提取的可重复性和可比性？
• RQ2 与临时实现相比，标准化的实现细节在多大程度上减少了定量脑电图特征的变异性？
• RQ3 所实现的平稳特征（振幅、频谱、连通性、IBI）在多大程度上反映了新生儿脑功能和成熟度的临床相关方面？
• RQ4 NEURAL 工具箱能否作为开发新生儿重症监护室中自动化、实时脑电图分析系统的基础？
• RQ5 预处理步骤（如滤波和重采样）对新生儿定量脑电图特征的可靠性和一致性有何影响？

主要发现

• NEURAL 软件包提供了新生儿脑电图关键定量脑电图特征的完全文档化、开源实现，并精确给出了算法细节。
• 该包包含一个预处理流程，包括 IIR 低通滤波和重采样至 64 Hz，确保了各研究间信号准备的一致性。
• 振幅特征如 rEEG 均值、中位数和宽度从信号包络中计算，使与振幅整合脑电图（aEEG）的比较成为可能，同时保留了更多波形细节。
• 频谱特征包括谱熵（香农与维纳）、谱边缘频率和分形维数，按频带分别计算，支持对脑活动复杂性的分析。
• 连通性特征如相干性和脑对称性指数（BSI）在成对通道之间计算，支持对双侧脑区功能连通性的评估。
• 间歇爆发间隔特征如中位 IBI 长度和爆发百分比特别针对早产儿（<32 周胎龄）设计，支持对爆发抑制模式的评估。