参数和非参数脑电图分析脑电图评估活动在儿童癫痫控制

文摘

有差异的一个重要证据的脑电图频谱对照组相比癫痫。特别是儿童的研究带来了困难由于大脑发育的早期阶段和各种形式的癫痫的迹象。在这项研究中,我们认为孩子发达癫痫危机在过去但没有任何其他临床、心理,或可见神经生理学的研究。这篇论文的目的是开发可靠的技术测试如果这样控制癫痫的脑电图诱发相关光谱差异。光谱特征提取,利用非参数、信号表示技术(傅里叶和小波变换)和一个参数,信号建模技术(ARMA)比较两组的分类及其影响进行了分析。受试者进行两个不同的任务:控制(rest)任务和一个相对困难的数学任务。建模结果表明,光谱特征提取的脑电图信号记录从各个渠道的ARMA模型给出更高的歧视之间的两个学科组控制任务,在分类分数高达100%的得到一个线性判别分类器。

1。介绍

癫痫是一种最常见的人类大脑紊乱。它往往伴随着行为的干扰,大脑功能障碍、认知障碍。据世界卫生组织统计,0.7%到1%的世界人口患有癫痫,这通常山峰在童年和发达的时代,这就意味着大部分患者有慢性疾病的大部分时间他们的生活(1]。这支持尽早识别这个群体的重要性,临床医生可以开出必要的药物来阻止其进展。

不同的研究一直在进行促进我们理解这种疾病的发展和癫痫学科不同于正常人。大部分的工作(2- - - - - -7)涉及到分析的脑电图(EEG)促进了癫痫的诊断。互补的研究侧重于分析的心率变异性也被提出8]。

文献表明,不同的参数(9和非参数10)技术已经应用于癫痫的分析。脑电图信号特征提取和检测方法包括频率、时频,基于ARMA模型、复杂系统建模、neuralnetworks,专家系统(11- - - - - -16]。在分析EEG信号在时域,异常峰值和夏普波检测等模式;而在频域功率谱的特征提取(2,3,7]。当比较七早期癫痫检测的最先进的方法,Jerger等人表明没有sig-nificant线性和非线性方法之间的差异(10]。

在成人癫痫和癫痫儿童,大多数发表的工作是集中在癫痫本身或相关事件如发作的,preictal,癫痫的发作,postictal部分和峰值17]。威洛比et al。2)使用光谱功率1 Hz区间1赫兹到100赫兹在发作脑电图显示是否有显著差异的部分全身性癫痫患者。他们的研究结果表明,有一个持续增加伽马脑电图在癫痫放电的缺失。Jerger et al。10)也关注发作高峰预测和最终控制癫痫活动模式。使用十二颅内记录发作从四个病人,他们比较的结果七线性和非线性方法包括功率谱的分析,互相关,主成分,阶段,小波,相关积分,和共同预测和显示所有方法成功地表明癫痫发作前的神经学家,除了几个发作。布兰科et al。11)应用时频分析使用Gabor变换,分析传统的脑电图信号频率的节奏在癫痫发作的进展。通过处理不同渠道获得的颅内录音,频率演化系列。这些系列的线性相关性的systematiccalculation然后允许提取信息的可能性如何脑电图信号在不同的地区是相关的。这与脑电图的视觉评估和已知的临床病人历史可以帮助识别癫痫病灶和进一步了解癫痫动力学。

患有癫痫症通常的控制下抗癫痫药物(aed)。这些药物的效果也可能是一个原因导致癫痫患者和控制之间的显著差异。Salinsky et al。6)和Tuunainen et al。7]都分析了成人病人服用aed对脑电图的光谱分析。Salinsky四枕脑电图措施,包括使用峰值频率、平均频率、相对θ,和δ权力研究一群low-seizure频率患者开始或停止AED疗法。一组认知测试和一个结构化的脑电图进行前AED变化和12到16周后。这些结果与健康对照组相比,患者接受连续长期AED单一疗法。结果表明,后者的脑电图变化与对照组没有显著不同。峰值频率是最敏感的特性为那些停止或启动AED AED效应与健康受试者。对于那些停止aed,中值频率和百分比θ权力还给了显著差异。同样,Tuunainen等人使用了绝对和相对力量以及峰值功率频率在左大脑枕叶功能识别患者和对照组之间的差异。4长,artefact-free脑电图时代的受试者被要求保持清醒与睁大眼睛进行了分析。在这种情况下,结果表明:枕峰α频率显著降低的病人比控制。 Furthermore, the absolute power of the patient group over all electrode sites was significantly higher at baseline than in controls for delta, theta, beta, and total activity. Absolute alpha power was also found to be higher but this result was insignificant.

脑电图的癫痫科目之间的差异与控制研究主要集中在成年人。大部分工作集中在α乐队的主频率在人类头皮脑电图的成年人(5]。拉尔森和Kostov3),例如,考虑3段十秒,在一开始,换气过度后,最后的artefact-free 18癫痫患者脑电图和分析α频率比10的控制。特别是高峰α频率(PAF)参谋长和α的变化被用作措施区分两个学科组。在分析儿童,然而,我们必须记住,频谱可能尚未发育良好。众所周知,α频率增加非线性从儿童早期到青春期,然后随着年龄的增长开始下降。一个七岁的孩子,例如,可能会显示两个不同的山峰在α和θ频段,分别。这是因为在这样小的年纪阿尔法高峰还没有定义良好的(5]。很少有文学作品应用检测癫痫儿童的传统技术。其中是Hongou等人的作品。4)研究的发展背景EEG 150癫痫儿童通过光谱分析在枕叶区域的录音。与正常儿童相比,他们的研究结果反映出显著增加δ一起减少上α和θ权力癫痫儿童的权力。不同类型的癫痫也导致不同的脑电图发展(4]。因此相当重要的开发方法的高敏感性和特异性的早期检测andcategorization各种形式的癫痫特别是年幼的孩子。

在本文中,我们解决的可能性识别癫痫科目的变化与对照组在早期阶段,当几个癫痫发生在过去。癫痫人口由儿科神经学的孩子从池中选择两家医院的门诊伊拉克里翁,克里特岛,诊断和定期跟踪。应该注意的是,他们没有被诊断出患有心理调查结果,他们没有遭受严重的癫痫综合征和脑电图的目视检查是正常的。这些孩子,称为控制癫痫,是受到关注,因为他们的早期症状,没有任何发现脑损伤;他们有一个或多个癫痫发作过去和他们中的一些人是在单一治疗用药物在低剂量下,没有临床副作用。

脑电图研究这些孩子与匹配年龄从两个临床和技术角度控制是很重要的。因此,本文的目的是双重的。首先,我们解决的问题是否controlled-epileptic孩子表现出光谱差异脑电图中一个与对照组相比的性能控制任务和精神的任务。第二,我们解决发展的敏感和可靠的测量两组之间的歧视。据我们所知,这样的分析到目前为止尚未开展。我们比较两种不同的方法和检索本地化活动差异对两种人群分类相关的信息。特别是,我们精心分类结果的差异在使用非参数信号表示方法如傅里叶变换或小波和一个参数信号建模方法如自回归移动平均(ARMA)。

摘要收益如下。部分2被测试为病人提供所有相关的临床信息,详细的实验协议用于控制和心理任务,和描述的方法用于提取生物标志物可用于分类控制癫痫患儿和控制。部分3介绍了结果使用信号表示和建模方法,最后一节4礼物的讨论结果和部分5总结了纸。

2。对象和方法

2.1。主题

第四研究人口的20岁的儿童(9个男孩,女孩11日)控制癫痫发作,但是没有任何临床或实验室发现的脑功能障碍,和二十(年龄和性别)匹配控制在自愿的基础上。入选标准为病人和控制包括以下几点:(一)卖地岁;(b)正常的智力潜能(与WISC-III评估);(c)没有记录的神经损伤神经系统评估和控制患者和患者的脑CT和/或MRI扫描;和(d)没有精神问题(基于父母的采访)。应该注意的是,EEG信号记录在两组正常视觉评估;和详细的临床、实验室和神经心理学研究结果不能显示任何人口差异;唯一临床表明人口的医疗诊断癫痫反复癫痫发作过去(最后被诊断为癫痫事件之间的几周为1年半在这项研究之前)。这些孩子只使用常见的抗癫痫药物治疗后表现出至少两个癫痫或缺席。癫痫诊断是最常见的类型的童年:中央癫痫儿童(4)、特发性全身性癫痫儿童(5),焦癫痫儿童(3),焦二次广义癫痫没有可检测脑损伤(6个孩子),和失神发作(两个孩子)。 More specifically, the children with absences were free from seizures from the beginning of the treatment with Depakine. The other forms such as generalized tonic-clonic seizures or those with rolandic spikes had a history of two to five episodes, which were prevented after the treatment with common therapeutic (low) dosages of Tegretol. Especially in the case of the absences the treatment is effective from the very beginning and these children were monitored, while treated, for one to two years. During this period no seizures were identified. Absences and idiopathic tonic-clonic seizures are generated from the brainstem, while rolandic seizures are generated from the rolandic area [18]。除了八个孩子(4广义和4中央),其余12孩子们使用Tegretol或Depakine治疗,在小剂量临床副作用,只有在他们表现出至少两个癫痫或缺席。应该注意的是,用于治疗目的的剂量不与任何已知的副作用19)和相关的临床报告没有诊断与解剖可见损失相关的问题。

病人和控制,所有的右手,在临床神经生理学实验室单独评估,在克里特大学的医学院。所有参与这项研究儿童的父母签署的书面同意书,后被告知这项研究的目的和要求的程序。这项研究是由当地伦理委员会批准。

2.2。录音

连续脑电图记录在一个电屏蔽,声音和光线衰减的房间,参与者坐在斜倚着椅子。电极EEG信号记录从30根据10/20国际体系,称为A1 + A2电极相连。这个电极蒙太奇如图1。被放大的信号使用一组联系精密仪器放大器(美国马萨诸塞州剑桥市,http://www.psylab.com),过滤在线带通0.1至200赫兹,和数字化400赫兹和12位。离线,记录的数据是经过仔细审查技术和生物制品,因此,只有人工制品共计10.24秒的时间自由时代的进一步调查。经验来自我们的实验室和许多相关领域的出版物显示,这个时间间隔足够提取所需的特性。数学研究也接受持续时间从8到12秒的底层的认知任务的说明。文物被一个视觉专家,因为许多自动化人工制品去除算法的方法,即使它们成功地消除某些类型的文物,他们不能离开生理脑电图完好无损。因此,只有信号段没有可见的文物(小城镇、肌电图、运动)保存。为每个主题只有一个代表时代是包含在数据,强化视觉审查的过程。

2.3。测试描述

在这项研究中,分析了两种不同的任务来确定差异与不同的大脑操作任务下的脑功能障碍。在控制任务(任务1)受试者在休息的时候,他们的眼睛固定在一个点显示在电脑屏幕上减少眼睛的文物。第二个任务是一个数学的任务(任务2)涉及两位数减法的(20.),LCD屏幕上显示位于前面的参与者。这样一种精神任务被认为是困难的年龄组进行了研究。液晶屏幕上刺激了。垂直/水平眼球运动和眨眼监测通过双眉弓和外眦的蒙太奇。分析时代都获得了在密集计算阶段。

2.4。方法

这个分析的目的是发现癫痫之间识别功能和控制孩子,导致分类得分高。理想情况下,一个预处理步骤是用来过滤掉无关的数据,提高信号的识别功能。后续光谱分析步骤可以用于提取这些合适的生物标志物。这种非参数方法,贴上方法(图1)2,有其局限性。这主要是由于这一事实最相关的性质和形式区别的特性保留在预处理步骤事先是未知的。为了避免退化的有用信号的一部分,我们直接从光谱分析过程开始阶段。作为替代方案,我们提出一个参数方法,封装了光谱预处理阶段和分析阶段(方法(2))。使用一个ARMA模型,模型的动态脑电图是可能的信号,而不必保存它的细节。因此,虽然第一种方法执行信号表示,第二种方法执行信号建模。

为了比较这些不同的方法在两个学科组分类,这两种方法进行了实现和获得的结果是类似的分析。非参数方法的全局傅里叶变换(FT)和小波被用于光谱分析阶段和生物标记提取每个方法进行了比较。英国《金融时报》提供了一个平均谱图的时间考虑。另一方面,小波的数学函数将数据划分为不同的频率成分,然后分析每个组件和一个分辨率匹配他们的规模。因此,而不是在一个时间或频率范围,他们工作在多尺度的基础上21]。小波提供了时间和频率分辨率,但他们之间atradeoff优于传统的FFT方法分析数据时,包含不连续和大幅飙升。此外,time-windowed版本的小波提供了一个计划,允许进一步细化的方法在这种情况下,时间锁定事件可能是重要的。当小波相比,STFT技术(21),结果表明,STFT计算速度快,但小波得到更准确的结果尤其在癫痫发作和EEG信号的检测分类。由于这些原因,我们选择使用小波除了应用全球英尺提取功率谱特性在预定义的频段,然后用于分类的目的。

对于第二种方法,生成一个时频光谱使用估计ARMA模型的参数来自每一个脑电图信号。参数模型是提高时频分辨率的功率谱估计(9,22,23)抑制产生的泄漏效应时使用窗口函数(22]。使用这种技术的另一个优点是,ARMA参数被估计为每一次瞬间,从而允许更精确的表示非平稳。一旦得到时频光谱,光谱特征提取和美联储的分类器来区分两个学科组。

2.4.1。非参数方法

傅里叶变换(FT)
英国《金融时报》将一个信号在时域到频域表示。根据定义,一个信号有一个离散傅里叶变换这是由(24] 功率谱密度对于这样一个信号是thenestimated所示(2) 这个频谱用于提取生物标记,然后喂给一个标识符区分两个种群。生物标志物发现通过计算的总能量为每个三角洲的六个预定义的频带(0 - 4赫兹),θ(4 - 8 Hz),α(8日至13日Hz),β(13-30 Hz),γ(30 - 45 Hz),和γ₂(45 - 90 Hz): 在哪里生物标志物在频带吗和采样频率。

小波变换(WT)
在过去的十年中,WT已经发展成为一个重要工具的分析时间序列包含许多不同的频率非平稳的权力(如脑电图信号),它被证明是一个强大的特征提取方法(25,26]。特别是,它已被观察到癫痫发作期间招聘节奏发展也相对小波能量的描述(27]。WT更适合分析瞬态信号因为频率(尺度)和时间信息可以得到良好的解决。
连续小波变换(CWT)是首选的在这工作,所以时间和规模参数可以视为连续变量。类,规模的概念介绍了另一种频率,导致所谓的时间尺度表示。一个离散序列的类随着时间的间隔和数据点被定义为卷积的与连续小波函数的扩展和翻译版本: 在哪里和显示无量纲的“时间”和“频率”参数,分别和(∗)表示复共轭。在我们的应用程序中,描述最常用的小波类型光谱分析,即归一化复杂Morlet小波在(5)。频率参数选择等于6,因为它是一个很好的时间和频率之间的权衡Morlet小波的定位。小波函数是归一化单位能量在每个规模,以便每个规模是直接与对方25]。WT的功率谱定义为系数的平方(4)小波级数的。如前所述,存在一个具体每个规模之间的关系和等价的傅里叶频率,为Morlet小波用于这项研究是由(28]。是由使用的规模设置,,在那里是最小的规模选择和指定的宽度小波函数(在我们的例子中,这意味着有一个规模解决四个suboctaves每倍频程)。最大的规模是由价值决定的(在我们的例子中,包装所有六感兴趣的频段)。
第一阶段的特征提取方法是基于捕获时均功率谱每个电极和规模,计算平均功率谱随着时间的推移,: 执行进一步的平均规模,为了图一个每个感兴趣的频段特性。因此,time-scale-averaged功率谱被定义为的加权和时间平均小波功率谱(6在尺度上来: 在哪里是一个常数,规模用于精确重建的独立因素为Morlet小波函数的小波变换(= 0.776)(28]。最后,time-scale-averaged功率谱为每个指定的六个频段计算作为生物标志物,早些时候所示(8): 在哪里显示选中的乐队。

2.4.2。参数化技术

自回归移动平均(ARMA)模型
自回归移动平均(ARMA)或Box-Jenkins模型是参数模型的估计时间序列一次即时取决于它的过去值(确定性部分)和随机扰动(随机)29日]。参数ARMA模型可能不导致的信号重建,但能有效捕捉输入过程中时变的动力学参数。
参数方法可以提供足够的谱估计只有当订单选择正确的模型。开发了各种技术来估计最优顺序,最著名的是Akaike信息准则(AIC) [30.];然而所有的技术都是基于特定的约束,因此模型的选择顺序仍让人怀疑。在这个分析中,一组进行了初步试验,以找到合适的秩序,充分两个学科组之间的歧视。订单(5,2)(12、3)(18、5)和(24日6)进行了测试。在图3情节的对数功率谱值在每个频率和时间订单即时绘制了四个不同的模型。为ARMA(5,2)光谱的分辨率很低(图3(一个)),这导致贫穷的两个学科组之间的歧视。当模型订单增加到(12,3),更多的功能变得明显的谱图(图3 (b)两组)和非常低的分类。更高的性能被发现与一个模型(18岁,5)。如图3 (c)、分辨率大幅提高和上级分类可以实现,将在本文稍后显示。增加模型秩序进一步给没有明显改善,这图中可以看到3 (c)谱图在(24日6)非常接近,获得订单(18岁,5)。
一个ARMA模型(22)是用来模拟EEG信号记录在特定的头皮上的电极,它可以被定义为 在哪里和即时AR和MA参数在时间吗分别是极数,0的数量,是一个高斯白噪声过程代表了观测误差。
让的向量,让ARMA参数是回归向量组成的和过去的信号值过去的观测误差值: ARMA模型(9)可以写成 如果允许随机游走,更新的参数向量可以被定义为 在哪里是一个正态分布白噪声过程零均值和协方差矩阵吗。(集11)和(12)代表一个线性状态空间的结构公式,模型参数也被称为美国的系统。卡尔曼平滑(22)用于找到一个最优估计时变模型的参数向量。使用平滑而不是一个过滤器的优势是,由于数据不是实时处理,未来的测量可以用来找到一个更加准确的估计系统参数的时间。
一旦估计ARMA参数和是可用的,估计功率谱密度可以找到使用以下方程(22]: 在哪里是预测误差方差,它在我们的实现中被认为是等于1和采样频率。在这个分析,频率分辨率设置为1赫兹和从1赫兹到90赫兹频率进行了分析。作为生物标志物,总能量在整个时期的六个频段,然后分别计算中所示 在哪里代表频带的生物标志物,,在乐队代表下降的频率范围,涵盖整个数据的长度,表示频率的功率谱密度和时间即时,采样频率。这些生物标志物用于区分控制癫痫患儿和对照组为每个任务的执行。

2.5。特征选择

本研究提出了一种统计方法,挖掘最重要的叶,像许多临床神经生理学研究评估大脑激活模式。因为我们的目标是找到两组之间的显著差异,独立的两个示例以及用于生物标记物的选择。的以及评估是否意味着两个人口统计上的不同和参数检验它假设(我)数据来自正态分布的数量,(2)数据测量至少间隔级别(距离点的规模等于所有部分沿着规模),(3)差异所涉及的人口同质;和(iv)所有的观察都是相互独立的31日]。在这个分析中,对照组的特征向量(癫痫科目)和()由生物标志物的对数转换值的力量在特定频段为特定频道ch。因此,形成特征向量 在哪里代表了生物标志物为控制主体1 (),在频带,对于一个特定的频道ch。通过使用皮尔逊达测试(31日)或Kolmogorov-Smrinov测试(32),有一个正态分布的特性,从而满足假设(i)。距离点的规模可能的特征值是相等的部分的规模,从而确保数据测量至少间隔级别(假设(2))。方差的同质性测试使用列文的测试的基础上统计(32),在这种情况下发现两个种群的特征没有平等的方差。这违反了上述假设之一,必须应用假设以及不平等的方差(Behrens-Fisher问题)。最后,由于生物标志物和来自两个独立的种群(控制和癫痫)的假设(iv)是合理的。

前统计分析技术被用来确定哪些渠道和频带给显著差异在癫痫组和对照组之间的信号表示方法和信号建模方法。

2.6。分类

在这项研究中,癫痫和控制组织分类通过使用一个严格的线性判别分析(LDA)分类器基于线性判别函数符合多元正态密度每组,联合估计的协方差,在MATLAB中实现统计工具箱(33]。这个假设组可以由一个线性组合的特性,在两个特性的情况下组织之间的界限。

3所示。结果

节中描述的方法的能力2。4以前一个模拟环境测试(34),一个模拟信号与已知光谱的谱内容活动估计。所有方法成功检测到信号的特点,从而证明他们是适合真正的带限信号的分析。

在执行任务期间,神经系统检查显示没有成就差异11岁以下的儿童和儿童在11岁及以上。因此,在随后的分析受试者分为不同的年龄组。非参数和参数的方法被应用到真正的脑电图数据,其中每个信号最初设置为零均值和单位方差。在每种情况下,我们计算通道/乐队意义,以及相应的分类分数sensitivity-specificity措施。

图4说明了对数转换的地形图两个种群之间的值,为每个方法,获得任务,频带。细胞已留空显示无显著差异在90%置信区间(即,)。所有阴影位置代表一个频道值小于0.1,深浅的红色表示最低值。从这些地形地图,很明显,对于控制任务(任务1),ARMA模型有效地建模EEG信号能够提取光谱特征描述癫痫儿童和对照组之间的显著差异。即使这些差异是由于药物,他们仍然非常重要,值的顺序。地形块显示γ₂乐队(45 - 90赫兹)阈值接近,后没有发现显著的渠道。在其他乐队的显著差异是分布在整个大脑区域。从这些频段,枕骨区域至少反映了歧视(更高的力量从所有重要通道值)之间的团体。这也说明了地形图的分类如图5在枕渠道给最低的分数从所有其他重要渠道。这个数字还表明,非参数方法,如ARMA方法相比,给分类的得分越低。英国《金融时报》全球方法导致更多的频道显示种群之间的显著差异,而WT方法似乎更有选择性(见图4)。左和右大脑区域主导在大多数频段但弱意义水平获得ARMA方法相比。额在大多数情况下,渠道也被发现是重要的但必须注意额渠道可能会影响到眼球运动,从而导致零星的歧视。这个任务和生物标志物的类型考虑,WT特性在大多数乐队没有显示明显的歧视。额最大的差异被发现渠道和在一些后通道内α乐队。全球时报也能够识别同一地区WT,但更高值比ARMA(弱得多的意义水平)。这些结果表明非参数方法的弱点在他们的参数。

任务2的结果显示更少的歧视的差异,尤其是使用ARMA方法。WT成功识别弱光谱差异α乐队8—13赫兹()的渠道在左额叶区域。请注意,在所有情况下,歧视水平通过这两种方法都是软弱和不支持任何重大研究人群在这个任务之间的分化。英国《金融时报》全球方法还发现左脑区域显示癫痫患者和对照组之间的显著差异特别是在α和β的乐队,但再次分类水平(图5)是相当低。

分类得分的任务1和2所示图5地形图;完整的结果图酒吧的形式介绍了数字6和7。一个线性判别分析(LDA)与分析交叉验证方案实施分类器,实现正确分类对象的数量。在图中描述的地形图5现在分数分类仅在65%以上。分类的地形图分数存在很大的相似之处与统计学意义,证明,更好的人群歧视导致增加分类能力。任务1 ARMA方法获得的结果表明,最高得分出现在左脑区域对于大多数乐队和更多的转向后的β和γ乐队。WT方法,分类的地形图分数显示的浓度相似值,只有α乐队显示了两个种群之间的不同的大脑区域。英国《金融时报》提供更多的渠道不同波段内分数大于65%,但与WT类似,这些分数仍显著低于ARMA。Task 2,分类评分非参数和参数都是零星的。英国《金融时报》给了最多的地方在每个乐队能区分这两种人群,但分类得分仍然较低,因此不涉及人口无法获得足够多的结论差异这更复杂的数学任务。

两个数字6和7显示所有通道的分数与这两种方法的敏感性和特异性措施。这些结果显示更清晰,控制任务ARMA参数方法的分类得分明显高于非参数方法的所有通道内γδ的乐队。用这项技术、分类分数高达100%是实现在大多数频道(γ₂乐队除外)。ARMA技术的敏感性和特异性值接近100%暗示ARMA方法可以检测到几乎所有癫痫和控制对象。

Task 2,分类分数要低得多,参数和非参数方法之间的差异并不清楚任务1。分类得分最高的80%获得了WT方法在额叶通道内的α乐队,尤其是在Fp1,还发现显著(这种方法)。分类平均分数在所有频道在不同的频段范围50% - -60%,但见地形图和分类早些时候分数,结果这个任务很随机,因此nonconclusive。

为了进一步确定两个学科组的特性分布的差异,特征值的概率密度估计病人和控制不同的频段和通道的位置也被计算。图8显示了任务的分布特征值1获得/频道Cz在考虑三角洲乐队。情节的密度控制和癫痫,对英国《金融时报》(图的方法8(一个)(图)和WT方法8 (b)),分别显著重叠;因此low-classification分数获得使用这些非参数技术。ARMA的结果,然而,在这通道达到100%的分类,这是明显的生物标志物分布阴谋(图8 (c)),在这种情况下,显然是可分的。这些密度图也显示,对照组功率谱均值低于癫痫组。ARMA生物标记时获得的控制任务两个学科组平均在渠道和比较,结果表明,癫痫患者有更高的光谱在所有乐队除了γ₂乐队的结果被发现是无关紧要的。

情节的设置如图9描述了概率密度函数的变化癫痫和控制,分别在六个不同的频段。为简便起见,只有跨频道FCz Task 1所示结果。参数技术(数字的情节9 (e)和9 (f))表明,癫痫受试者的生物标志物通常比对照组有更高的价值。而且密度估计的传播比控制对癫痫也略高。非参数技术(数字9(一个)- - - - - -9 (d))这一趋势不是清晰可见,在几乎所有乐队之间存在大量重叠两个种群的情节。这个生物标志物分布值解释了前面讨论的分类得分。

4所示。讨论

这项工作考虑方法两组同龄儿童的歧视,也就是说,控制和控制癫痫患儿。最初的临床和心理检查,以及视觉脑电图检查,不提供任何信息可能导致的差异。最初的脑电图数据我们应用两种方法,一种基于直接信号表示(通过非参数技术,主要是傅里叶变换和小波变换),另一个在建模动力学(通过参数ARMA模型)的信号。每个通道的光谱特征提取的方法和光谱带检查测试,通过意义分类精度,和生物标志物的统计分布。这项工作表明,参数建模的脑电图动力学提供了更好的表示重要的脑电图含量比非参数特征提取的技术。特征提取的ARMA模型控制任务提供更高的歧视权力比傅里叶变换和小波提取的方法。傅里叶变换的结果显示稍微优越比小波变换在这种情况下,生物标志物的平均光谱功率在整个时期的数据。这可能会造成文物的窗口泄漏效应引入的小波是主导全球傅里叶变换方法,被认为是一个窗口。在其他时间分辨率是考虑的情况下,预计小波比傅里叶变换技术。

比较控制和数学任务,获得显著差异的方法在控制(rest)的任务,但他们无法确定任何一致的差异在要求更高的数学任务的歧视特定脑功能障碍似乎更加困难。

这项工作的潜在临床效益是脑电图的分析数据的识别早期轻度癫痫患儿中,古典,神经和临床检查和详细的心理和神经心理学测试无法识别任何迹象的脑功能障碍。ARMA结果表明,癫痫儿童控制任务有更高的活动中频段的γ乐队,但这个活动变得类似的两组频率内γ₂乐队。在分析一个成年病人组,Tuunainen et al。7]还发现高光谱癫痫患者的活动。特别是,他们的研究结果表明,癫痫组的绝对权力在所有电极站点明显高于基线比控制δθ,β,总活动。绝对alpha权力也较高,但这不是发现是重要的。类似的研究在成人患者,威洛比et al。2]说明部分全身性癫痫患者有更高的权力集中在3 - 7赫兹,赫兹在前面15 - 17日和25 Hz频道。最后,在对孩子的初步研究中,增加了光谱功率还发现θ和α乐队(35]。光谱功率的增加可以被分析的同龄组,是由于癫痫的类型和水平的脑功能障碍,或药物的影响。aed已知导致更高的权力在低频带(2]。但由于在这个分析提供的药物在低剂量,最有可能的,差异是脑功能障碍的迹象,对于这样一个典型的儿童人口,进而淡出时,强烈的精神思考(在数学任务)接管。此外,如果aed做影响脑电图信号结构(因为高剂量),他们将被认定为一个一致的模式明显在每个电极。没有这样的效果是发生在我们的例子中使用的aed,如果有的话,它只会将扩散,影响慢波(36]。

5。结论

这项工作涉及的研究轻度癫痫儿童癫痫发作在过去但没有表现出任何临床、生理或可见神经生理学症状在研究过程中。这个分析的目的是开发可靠的技术来测试如果这样控制癫痫脑电图诱发相关光谱差异条件。结果表明,参数自回归滑动平均比非参数建模技术提取更可靠的生物标记物的傅里叶和小波变换技术实现。控制任务,ARMA技术导致分类分数高达100%在所有频段渠道从γδ的乐队。

癫痫的诊断是由考虑生物标志物的平均光谱功率在整个共计10.24秒的数据。未来的工作将会调查是否考虑时间信息增强了这些分类得分专门为数学任务的复杂性很难捕捉任何大脑功能障碍通过全球生物标志物。在后一种情况下预计小波比傅里叶变换技术,将导致的结果是与它的参数。

承认

这部分工作是支持Biopattern EC-IST项目,合同编号。508803年,由马耳他大学的内部研究资助lba - 73 - 967。

引用

1. j·奥尔森,m·g·贝克·t·弗洛伊德et al .,”欧洲大脑研究的共识文件。”《神经学、神经外科、精神病学补充1卷。77年,1-49,2006页。视图:谷歌学术搜索
2. j·o·威洛比,s·菲茨吉本k . j .教皇et al .,“持久non-ictal脑电图的异常检测主要普遍癫痫、”《神经学、神经外科、精神病学,卷74,不。1,51-55,2003页。视图:出版商的网站|谷歌学术搜索
3. p·g·拉尔森和h . Kostov低频率变化的脑电图在癫痫患者中,α活动”临床神经生理学,卷116,不。11日,第2706 - 2701页,2005年。视图:出版商的网站|谷歌学术搜索
4. k . Hongou t . Konishi y Naganuma, m .村上m . Yamatani和t·冈田克也的发展在癫痫患儿脑电图背景活动;与正常儿童相比,“不Hattatsu,25卷,不。3、207 - 214年,1993页。视图:谷歌学术搜索
5. w . Klimesch”,脑电图α和θ振荡反映认知和记忆性能:回顾和分析,“大脑研究评论卷,29号2 - 3、169 - 195年,1999页。视图:出版商的网站|谷歌学术搜索
6. d . m . c . Salinsky b s Oken Storzbach,和c b . Dodrill”评价中枢神经系统抗癫痫药物的影响通过使用定量脑电图措施,”Epilepsia,44卷,不。8,1042 - 1050年,2003页。视图:出版商的网站|谷歌学术搜索
7. a . Tuunainen Nousiainen, a . Pilke e . Mervaala j . Partanen和p . Riekkinen“光谱脑电图在局部癫痫的短期停用抗癫痫药物治疗期间,“Epilepsia,36卷,不。8,817 - 823年,1995页。视图:出版商的网站|谷歌学术搜索
8. r·费里l . Curzi-Dascalova a Arzimanoglou et al .,“心率变异性在局部癫痫患儿睡眠期间,“睡眠研究杂志》,11卷,不。2、153 - 160年,2002页。视图:出版商的网站|谷歌学术搜索
9. 迦特,c·福伊尔斯坦·d·t·范教授和g . Rondouin”快速动态跟踪的癫痫脑电图的变化,“IEEE生物医学工程,39卷,不。9日,第958 - 952页,1992年。视图:出版商的网站|谷歌学术搜索
10. k . k . Jerger t . i Netoff j·t·弗朗西斯et al .,“早期癫痫检测。”临床神经生理学杂志,18卷,不。3、259 - 268年,2001页。视图:出版商的网站|谷歌学术搜索
11. 布兰科,s . Kochen o·a·罗索和p·萨尔加多,应用时频分析癫痫脑电图活动,“IEEE,生物医学工程杂志,16卷,不。1,第71 - 64页,1997。视图:出版商的网站|谷歌学术搜索
12. w·j·威廉姆斯,惠普Zaveri, j . c . Sackellares癫痫的电生理信号的时频分析,“IEEE,生物医学工程杂志,14卷,不。2、133 - 143年,1995页。视图:出版商的网站|谷歌学术搜索
13. t . Kalayci o . Ozdamar,“小波预处理神经网络自动检测脑电图高峰,”IEEE,生物医学工程杂志,14卷,不。2、160 - 166年,1995页。视图:出版商的网站|谷歌学术搜索
14. Yaylali, h·Kocak, p . Jayakar”检测癫痫小样本使用非线性动态系统理论,“IEEE生物医学工程,43卷,不。7,743 - 751年,1996页。视图:出版商的网站|谷歌学术搜索
15. m . b . Shamsollahi l . Senhadji, r·勒Bouquin-Jeannes”检测和定位的复杂SEEG模式使用时频分析癫痫发作,”《IEEE-SP国际研讨会时频和时间尺度分析,页105 - 108年,巴黎,法国,1996年6月。视图:出版商的网站|谷歌学术搜索
16. a . Zapata-Ferrer l . r .玛雅a·g·冈萨雷斯et al .,“检测癫痫的发作,”IEEE,生物医学工程杂志,18卷,不。3、78 - 83年,1999页。视图:出版商的网站|谷歌学术搜索
17. e . Niedermeyer“癫痫发作障碍”脑电图:基本原则、临床应用和相关领域大肠Niedermeyer f·洛佩斯·达席尔瓦,Eds。,pp. 476–585, Lippincott Williams & Wilkins, Philadelphia, Pa, USA, 4th edition, 1998.视图:谷歌学术搜索
18. p .狼癫痫发作,症状约翰·利& Company,伦敦,英国,1994年。
19. l . Lagae“认知副作用的抗癫痫药物。儿童癫痫的相关性。”癫痫发作,15卷,不。4、235 - 241年,2006页。视图:出版商的网站|谷歌学术搜索
20. m·冯·Aster和m . WeinholdNeuropsychologische Testbatterie毛皮Zahlenverarbeitung和Rechnen贝Kindern (ZAREKI)不要测试服务,Mannedorf,瑞士,2002。
21. m . k . Kiymik古尔,a . Dizibuyuk和m .类似“比较STFT和小波变换方法在确定癫痫发作活动在脑电图信号实时应用程序中,“计算机在生物学和医学,35卷,不。7,603 - 616年,2005页。视图:出版商的网站|谷歌学术搜索
22. m·p·Tarvainen j . k . Hiltunen p . o . Ranta-Aho和p . a . Karjalainen“非平稳的脑电图与卡尔曼平滑估计的方法:一个应用程序与事件相关同步(人)”IEEE生物医学工程,51卷,不。3、516 - 524年,2004页。视图:出版商的网站|谷歌学术搜索
23. m . Aboy j . McNames o·w·马尔克斯,r . Hornero t .丁字裤,和b·戈尔茨坦”不稳定压力信号的功率谱密度估计和跟踪卡尔曼滤波的基础上,”学报》第26届国际会议的IEEE在医学和生物工程协会(IEMBC ' 04),1卷,第159 - 156页,2004年9月旧金山,加州,美国。视图:出版商的网站|谷歌学术搜索
24. r . n . Bracewell傅里叶变换及其应用、电气工程系列、麦格劳-希尔,纽约,纽约,美国第3版,2000年版。
25. c . s . Burrus r . a . Copinath和h高,介绍小波和小波变换:底漆美国新泽西,新世纪,英格伍德克里夫,1998。
26. 诉Sakkalis、m . Zervakis和s . Micheloyannis”重要的脑电图特点参与数学推理:小波分析的证据,”大脑地形,19卷,不。1 - 2,53-60,2006页。视图:出版商的网站|谷歌学术搜索
27. o·a·罗索m·t·马丁,a . Figliola k·凯勒和a . Plastino“脑电图分析使用小波信息工具,”神经科学杂志》上的方法,卷153,不。2、163 - 182年,2006页。视图:出版商的网站|谷歌学术搜索
28. c .一如g . p .混合涂料,“小波分析的实用指南,”美国气象学会的公告,卷79,不。1,第78 - 61页,1998。视图:出版商的网站|谷歌学术搜索
29. 2006年9月,http://documents.wolfram.com/applications/timeseries/UsersGuidetoTimeSeries/1.2.1.html。
30. m·b·普里斯特利光谱分析和时间序列卷。1、单变量系列、学术出版社,纽约,纽约,美国,1981年。
31. j·h·金,Biostatistical分析新世纪,恩格尔伍德悬崖,新泽西,美国,1999年。
32. a . p .字段,发现使用SPSS统计,鼠尾草,伦敦,英国,第二版,2005年版。
33. w . j . Krzanowski多变量分析的原则英国牛津,牛津大学出版社,1988年。
34. 诉Sakkalis, m . Zervakis Bigan et al .,“验证时频和ARMA特征提取方法在轻度癫痫信号的分类模式,”国际会议信息技术在生物医学学报》(ITAB 06年)2006年10月,希腊约阿尼纳。视图:谷歌学术搜索
35. e . Martin-Fiori“丘脑-皮质振荡在大脑发育和癫痫,”项目的Web表示由大学儿童医院,Olga-Mayenfisch基金会,http://www.forschungsportal.ch/unizh/media/pdf/p8421.pdf。视图:谷歌学术搜索
36. r·l·麦克唐纳“抗癫痫药物行动”,Epilepsia补充1卷。30日,页。S19-S28, 1989年,S64-S68讨论。视图:出版商的网站|谷歌学术搜索

版权

版权©2008范吉利斯Sakkalis等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。