[论文解读] Characterization of high frequency oscillations and EEG frequency spectra using the damped-oscillator oscillator detector (DOOD)

David Hsu, Murielle Hsu+3 more|arXiv (Cornell University)|Sep 4, 2013

EEG and Brain-Computer Interfaces参考文献 18被引用 3

一句话总结

本文提出阻尼振子振荡器检测器（DOOD），一种用于检测脑电信号中高频振荡（HFOs）并实现高分辨率时频分析的自动化算法。在大鼠和人类脑电图数据上测试，DOOD在HFO检测中表现出高敏感性和阳性预测值，同时揭示了复杂的多带频谱结构，为耗时的人工HFO评估任务提供可扩展的解决方案，并可能实现正常与病理HFO的区分。

ABSTRACT

Objective: The surgical resection of brain areas with high rates of visually identified high frequency oscillations (HFOs) on EEG has been correlated with improved seizure control. However, it can be difficult to distinguish normal from pathological HFOs, and the visual detection of HFOs is very time-intensive. An automated algorithm for detecting HFOs and for wide-band spectral analysis is desirable. Methods: The damped-oscillator oscillator detector (DOOD) is adapted for HFO detection, and tested on recordings from one rat and one human. The rat data consist of recordings from the hippocampus just prior to induction of status epilepticus, and again 6 weeks after induction, after the rat is epileptic. The human data are temporal lobe depth electrode recordings from a patient who underwent pre-surgical evaluation. Results: Sensitivities and positive predictive values are presented which depend on specifying a threshold value for HFO detection. Wide-band time-frequency and HFO-associated frequency spectra are also presented. In the rat data, four high frequency bands are identified at 80-250 Hz, 250-500 Hz, 600-900 Hz and 1000-3000 Hz. The human data was low-passed filtered at 1000 Hz and showed HFO-associated bands at 15 Hz, 85 Hz, 400 Hz and 700 Hz. Conclusion: The DOOD algorithm is capable of high resolution time-frequency spectra, and it can be adapted to detect HFOs with high positive predictive value. HFO-associated wide-band data show intricate low-frequency structure. Significance: DOOD may ease the labor intensity of HFO detection. DOOD wide-band analysis may in future help distinguish normal from pathological HFOs.

研究动机与目标

• 为解决癫痫手术规划中脑电信号视觉HFO检测耗时的问题。
• 开发一种具备高敏感性和阳性预测值的自动化算法，用于检测高频振荡（HFOs）。
• 实现脑电信号的高分辨率时频分析，以揭示与HFO相关的详细谱结构。
• 探索使用DOOD进行宽带谱分析是否可区分正常与病理HFO。
• 在动物和人类脑电图记录中验证DOOD算法，以确保其临床相关性。

提出的方法

• 通过将脑电信号建模为阻尼振荡分量，将阻尼振子振荡器检测器（DOOD）适配用于HFO检测。
• DOOD采用匹配滤波方法，基于阻尼振子脉冲响应检测脑电时间序列中的瞬态高频事件。
• 通过将脑电图与一组中心频率和衰减率不同的阻尼振子核函数进行卷积，计算信号的时频表示。
• 应用检测阈值以识别显著的HFO事件，性能通过敏感性和阳性预测值指标进行评估。
• 通过分析检测到的HFO在多个频带范围内的功率分布，提取宽带频谱。
• 该方法应用于大鼠海马脑电图（癫痫持续状态前与后）和人类颞叶深部电极记录。

实验结果

研究问题

• RQ1 DOOD能否在脑电图中以高敏感性和阳性预测值可靠检测高频振荡（HFOs）？
• RQ2 DOOD的宽带谱分析在与HFO相关的脑电活动中共揭示了哪些多带频谱结构？
• RQ3 DOOD在大鼠和人类脑电图记录中不同频带的性能表现如何？
• RQ4 DOOD的谱分析能否基于频谱组成区分正常与病理HFO？
• RQ5 DOOD是否相比人工检查显著降低了HFO检测的工作强度？

主要发现

• 在大鼠海马记录中，DOOD识别出四个不同的HFO频带：80–250 Hz、250–500 Hz、600–900 Hz和1000–3000 Hz。
• 在人类颞叶脑电图（低通滤波至1000 Hz）中，DOOD检测到与HFO相关的频带分别为15 Hz、85 Hz、400 Hz和700 Hz。
• HFO检测的敏感性和阳性预测值取决于阈值选择，且在所有测试阈值下均表现出高性能。
• DOOD揭示了与HFO相关的宽带谱中复杂的低频结构，提示其下可能存在复杂的动态机制。
• 该算法在啮齿类动物和人类脑电图数据中均展示了自动化高分辨率时频分析的可行性。
• 结果表明，DOOD可能通过详细的谱分解辅助区分病理性与正常HFO。