[論文レビュー] Spike-and-wave epileptiform discharge pattern detection based on Kendall's Tau-b coefficient

Antonio Quintero-Rincón, Catalina Carenzo+4 more|arXiv (Cornell University)|Nov 29, 2019

EEG and Brain-Computer Interfaces被引用数 4

ひとこと要約

本論文は、EEG信号におけるスパイク・ウェーブ放電（SWD）検出のための新規手法を提案する。この手法では、候補セグメントと基準SWDパターン間の形態的整合性を測るためにケンダールのTau-b係数を用いる。フィルタリング、正規化、およびノンパラメトリック相関を適用することで、患者特有の検出において94％の特異性を達成し、偽陽性が最小限に抑えられる高信頼性なてんかん様放電の同定が可能である。

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.

研究の動機と目的

• てんかんの主要バイオマーカーであるEEG信号におけるスパイク・ウェーブ放電（SWD）パターンを信頼性高く検出する手法の開発。
• ノイズが多く動的変化するEEGデータにおいて、形態的に類似したてんかん様放電を高特異性で同定する課題に対処すること。
• ケンダールのTau-b係数が、基準SWDパターンとEEGセグメント間の形態的整合性を効果的に定量化できるかどうかを評価すること。
• 最小限のトレーニングデータを用いた患者特有のSWD検出の実現可能性を評価すること。
• 提案手法の特異性および感度の観点から、既存の最先端手法と比較しての性能を評価すること。

提案手法

• 各EEGチャネルを、基準SWDパターンと同一の長さを持つ固定長の重複なしウィンドウに分割する。
• 各セグメントに対して、波形の形態を保持しつつノイズを低減するための5点移動平均フィルタを適用する。
• セグメントおよび基準SWDパターンを、最小-最大スケーリングにより共通範囲[0,1]に正規化し、比較可能性を確保する。
• 正規化された基準SWDと各正規化されたセグメント間でケンダールのTau-b係数を計算し、波形形状の順序的整合性を定量化する。
• Tau-b値にしきい値を適用して、セグメントをSWDに類似するものまたはそうでないものに分類し、混同行列を用いて分類性能を評価する。
• 患者特有の検出を向上させるために、1人あたり10の代表的SWDパターンを含め、特異性を94％まで向上させる。

実験結果

リサーチクエスチョン

• RQ1 ケンダールのTau-b係数は、EEGセグメントと基準スパイク・ウェーブ放電パターンとの間で形態的類似性を効果的に検出できるか？
• RQ2 一般検出と患者特有検出の両方において、本手法の特異性および感度はどの程度の水準にあるか？
• RQ3 少数の患者特有SWDパターンを用いることで、検出の特異性を顕著に向上させることができるか？
• RQ4 既存の信号処理および機械学習手法と比較して、本手法はてんかん様放電の検出においてどの程度の性能を示すか？
• RQ5 前処理手順（フィルタリング、正規化）が、SWD検出におけるTau-b相関のロバストネスに及ぼす影響は何か？

主な発見

• 提案手法は、患者特有のスパイク・ウェーブ放電検出において94％の特異性を達成し、真のSWDパターンを高信頼性で同定できることを示した。
• 全患者にわたる一般検出においては、特異性が83％（95％信頼区間：0.81～0.84）を記録した。
• 感度は14％（95％信頼区間：0.12～0.16）と低く、真の陽性検出が限定的であったが、特異性を重視した（SpPIn）設計を踏まえると妥当であった。
• わずか10の患者特有SWDパターンを含めるだけで、特異度が94％まで向上した。これは、個人に合わせたモデリングが検出精度を向上させることを示唆している。
• 同じ94％の特異度が、10パターン/患者でトレーニングした線形判別、2次判別、線形SVMの3つの教師あり分類器でも達成された。
• 単純な相関ベースの手法であるにもかかわらず、調和解析（97％）やモーレットウェーブレットエネルギー（98.7％）といったいくつかの最先端手法と同等またはそれを上回る特異度を達成した。