文摘
病理性震颤是一种常见的但高度复杂的运动障碍,影响~ 5%的人口年龄超过65岁。不同的方法已经被提出了量化。然而,帕金森病之间的歧视震颤和特发性震颤仍然是一项艰巨的临床挑战,大大影响病人治疗和基础研究。在这里,我们提出并比较几种迁移型和electromyography-based震颤量化指标。对于后者,我们确定了个人运动单位放电模式从高密度表面肌电图和神经特征驱动到一个肌肉,以及它如何与其他受影响的肌肉在27个帕金森病和27个特发性震颤患者。我们也计算出了几个指标的文学。最歧视的指标是神经的对称性开车到肌肉,运动单位同步,意味着权力的震颤谐波运动日志记录。显著地,第一个在这项研究中提出了两个最歧视的指标。然后我们使用决策树模型找到最歧视的个别指标组合,而地震类型歧视的精度提高到94%。总之,拟议的神经动力指标是最准确的识别和描述两种最常见的病理性震颤类型。
1。介绍
病理性震颤是最常见的运动障碍和强烈增加发病率和患病率与老化。~ 4%的老年人(> 65岁)患有特发性震颤(ET),而~ 1%的人口年龄> 50岁患有帕金森病(PD) (1]。
中央等起源和PD震颤是广泛接受,但不是完全理解。等被认为是产生在cerebellothalamocortical通路(2,3),尽管下橄榄的参与也被建议由于其有节奏的属性(4,5]。在PD患者中,多巴胺黑质纹状体神经元的损失被认为是导致异常振荡回路连接大脑皮层、基底节和丘脑(6]。尽管他们可能不同的起源,ET和PD经常展示类似的症状,往往难以区分,特别是在早期阶段。多达20%的患者等开发PD的典型迹象,而30 - 50%的患者诊断为外星人没有等(2,7,8]。
当前临床震颤诊断和量化的方法是基于地震的机械演示(震颤的运动),主要是运动障碍量表的帮助下,如Fahn-Tolosa-Marin [9)和UPDRSIII量表(10]。的一些主要临床特点诊断等和PD等往往会增加在姿势和运动任务,而PD震颤是经常出现在休息。然而,20 - 30%的ET患者在临床上也有明显的其他地震(11),观察强调诊断这两种地震类型的复杂性。的震动,背后的机制之间观察到的差异和相似性等和PD是不清楚。此外,震颤的诊断主要基于主观颤抖运动(即临床评估。,without quantifying its characteristics), whereas the pathophysiology of the underlying tremor is not fully understood, mainly due to the highly complex interactions between the central and peripheral structures of the nervous system [12]。
不同的计算机辅助方法地震诊断已经提出(13- - - - - -18]。其中,区别在更高的能量震颤谐波运动记录,通常与惯性传感器,执行最好的歧视等和PD患者(17,18]。这些谐波通常在使用相对简单的计算频率过滤技术独立的震动频率越高频率相对较低的随意运动(14,15,17,19]。然而,颤抖运动非线性相关底层肌肉活动和结果之间复杂的相互作用,许多肌肉控制相同的关节。这些肌肉之间的相互作用也还没有完全理解。例如,它最近表明,并不是所有的肌肉都同样受ET (20.]和对手之间的交互的肌肉就不同条件和病人,和内在不稳定21]。
在这项研究中,我们应用一个复杂的盲源分离算法22- - - - - -24表面)肌电图(EMG) PD和ET病人估计反映了净输入的神经开车从神经系统25腕屈肌和两种。我们的基本原理是,通过使用一个更详细的测量比经典的神经系统功能使用纠正肌电图或合成运动,我们可以开发更好的地震特征指标和歧视。我们系统地分析了神经驱动器的属性在这两个组的患者中,提出新颖的病理性震颤特征指标,并分析了区分ET和PD震颤的权力。最后,我们比较了提出方法的辨别力,之前提出的方法和证明我们的新指标很大程度上超越他们。
手稿组织如下。部分2证明多通道肌电图记录和评估神经驱动器使用这些信号的盲源分离肌肉病理的颤动。部分3小说描述了实验协议和我们的方法量化和病理性震颤分类类型。部分4系统地分析了统计指标描述的力量ET和PD患者的歧视。部分5讨论了主要结果和局限性并总结了手稿。
2。神经开车到骨骼肌肌动电流图和震颤示范在表面
中枢神经系统导致调制发射模式运动的运动神经元分布任务相关的肌肉。的净输出所有的运动被称为神经驱动肌肉(26),是最终的控制信号协调运动的一代(27]。在灌木丛生的肌肉中,每一个运动神经元发射引起运动单位动作电位(MUAP)纤维支配使合同。MUAPs可以测量的表面EMG [28]。皮下组织逐步过滤电势与肌肉纤维的距离增加,诱导的空间变异性MUAPs整个皮肤表面(28]。
在病理性震颤,肌肉的神经驱动经典估计从双相表面EMG记录(14,15,17]。在这个过程中,EMG信号首先纠正和计算功率谱估计的权力主要地震频率及其高次谐波。而适合粗地震评估和许多开创性的地震研究(例如,[29日]),这个过程的功率谱的计算修正EMG没有提供最准确的洞察的复杂和不稳定的神经基础颤抖肌肉动力学在我们的研究结果部分4)。有很多原因,以及我们的研究结果支持这个声明。首先,并不是所有的电机单元是活跃在病理性震颤、肌肉活动模式,估计从双极型肌电图记录,极大地取决于电极位置(图1肌肉组织中分布)和运动单位(27]。第二,在动态条件下震颤,肌肉纤维相对于皮肤移动,导致不可预测的变化检测MUAPs [25,27,28]。第三,运动单元的空间分布在对象之间的差异很大,而且没有统一的最优位置为双相EMG记录(28]。第四,两相的代数求和的MUAP列车引起肌电图振幅取消,导致不可预知的低估的有效神经驱动(30.- - - - - -32]。由于这些原因,神经肌肉驱动是更好的特征使用二维高密度(2 d hdEMG)阵列表面EMG电极,与几个数万表面电极放置在皮肤上面调查的很大一部分肌肉(25,27]。然而,这产生了大量的记录数据。
(一)
(b)
提出了不同的方法来应对这一挑战[28]。鉴于神经肌肉驱动器是网络活动的正常运动神经元,神经的最佳估计驱动来源于运动神经元(,因此,电机单元)高峰火车自己(25]。为此,高度变量MUAPs面具神经的变化驱动需要分开的运动单位高峰列车。这是通过使用先进的信号分解算法(23,24,32- - - - - -34]。然而,并不是所有的这些算法适用于hdEMG数据在病理性震颤;在病理性震颤、运动单位裁员往往是同步明显多于在健康的条件下(21,23),导致的EMG活动(图2),很难分解为单个电动机单位的贡献。卷积核赔偿(子宫颈上皮)技术最近被证明成功解决这个问题(23),提供一个坚实的基础为全自动和高度精确的评估颤抖神经肌肉。
3所示。方法
3.1。试验协议
54个科目(27 ET和PD患者27日),所有的痛苦从轻微到严重的地震,在医院招募大学12 de Octubre,马德里,西班牙。ET患者12女性和15名男性的平均年龄 年(43 - 80岁)。PD患者10个女性和17名男性的平均年龄 年(范围44 - 80年)。在受影响最严重的肢体震颤严重程度介于10到56(平均数±标准差: )根据Fahn-Tolosa-Marin规模等患者和5 - 51(平均数±标准差: 根据PD患者UPDRS规模)。意思是疾病持续时间 年(范围2 - 65年)等患者 (范围1-13年)PD患者。17 ET患者服用antitremor药物,在所有情况下保留了至少12 h在录音之前。16 PD患者服用antitremor药物在录音和继续药物。这个组患者被包括到感应的决策模型及其十倍交叉验证。
根据我们设计的方法客观地确定震颤,27日等27 PD患者表现出地震在休息和姿势任务研究,和27 ET和22 PD患者表现出双边震颤。我们的地震识别方法包括在计算感兴趣的信号的功率谱(总结电机单元列车,纠正表面肌电图,或手腕运动)和加法的山峰基本地震频率和两个更高的谐波。如果这个和≥50%的总功率的信号,我们认为记录地震。
进一步测试我们的决策树模型的性能,我们招募了六个额外的ET和PD患者,由该模型和三个盲目诊断专家医生。重要的是,诊断都是完全独立的,没有数据从这六个患者列入决策模型归纳。ET患者1女2男性,平均年龄 年(范围47 - 80年);他们的意思是疾病持续时间 (范围10-27年)。PD患者2个女性和1个男性,平均年龄 (范围62 - 80年);他们的意思是疾病持续时间 年(范围为5 - 14岁)。在受影响最严重的肢体震颤严重程度介于10到34岁(平均±标准差: )根据Fahn-Tolosa-Marin规模等患者和15到23日( )根据PD患者UPDRS规模。这些病人形成了测试组。
所有患者获得了这项研究的详细解释,并参与前书面知情同意。这项研究是进行符合赫尔辛基宣言和当地伦理委员会批准。实验协议由测量惯性和肌电图数据来自两个前臂在标准地震触发任务(见,例如,(2,6,11,14,16- - - - - -18,21])。每个病人执行下列三个重复30年代长标准任务:(我)其他任务(重新):病人坐在放松,双手手肘和手腕地区的支持。病人的手腕放松,没有明显的自愿活动在整个任务的持续时间。(2)伸着胳膊对重力(AO):5秒的休息后,病人伸出他/她的手臂和维护他们平行于地面,直到结束的任务。手指分开,手在肩膀高度一样。(3)伸着胳膊对引力与重量(我们):它是一样的AO任务1公斤的额外重量负荷应用于双手。病人伸出手指。(iv)武器支持+姿势震颤了(PO):这是一样的再保险的任务,但与手腕扩展与重力。手腕运动评估测量加速度的值之间的差异在前臂平行轴(19]。加速度计(科技MCS Technaid S.L.,Madrid, Spain) were fixed with surgical tape over the hand dorsum and the distal third of the forearm (on the dorsal side, close to the wrist) on each hand. Data were sampled at 100 Hz by a 12-bit A/D converter and low-pass filter (cut-off frequency of 20 Hz).
从腕屈肌表面hdEMG信号记录和5×13两种电极阵列(LISiN-OT Bioelettronica,都灵,意大利,8毫米电极间的距离)。电极阵列是集中在屈腕桡侧的和普通的伸肌肌腱牵向前,分别。电极放置之前,使用研磨膏的皮肤轻轻擦掉(Meditec-Every、帕尔马、意大利)和清洁。为了提高electrode-skin接触,数组中的每个电极腔充满了导电凝胶(Meditec-Every、帕尔马、意大利)。浸泡手镯周围放置的一个手腕被用作参考。表面EMG信号被放大为双相沿着纤维方向录音,带通滤波(3 dB带宽,10 - 750 Hz),并在2048赫兹和12位分辨率采样(LISiN-OT Bioelettronica,都灵,意大利)。肌电图和运动记录重新取样2048赫兹和同步离线,使用一个共同的时钟信号。
hdEMG信号被分解成运动单位高峰列车使用纯种犬算法(24]。pulse-to-noise比率(内线)规23)是用来评估运动单位识别准确性和所有的运动单位的内线< 30 dB(对应精度< ~ 90% (24)被丢弃。
3.2。评估地震的神经肌肉
正如上面提到的,地震的结果几个协同的病理激活肌肉,和通常的拮抗剂。由于地震的中心起源,下行开车去附近的肌肉可能会表现出类似的地震组件(35),或至少推迟反射通过传入反馈循环(20.,21]。然而,神经驱动的特点不同的肌肉已经很少在病理研究地震(23]。
在这项研究中,神经肌肉的行动评估总结个人运动单位高峰火车到累积脉冲序列(CST)(见,例如,(20.,21,35])。之后,花旗软件不同的肌肉被低通滤波(20赫兹的截止频率)。为了强调节奏运动单位活动与地震和最小化异步电动机单位活动并发自发收缩引起的,我们计算了汽车,和互相关函数在所有对花旗软件过滤。代表从一个ET病人和一个PD病人结果中描述数据3和4。注意,在图3(一个),神经驱动的两种右手腕颤抖和自愿的运动单位展出活动。提出汽车——和互相关函数过滤掉志愿活动和强调了颤抖的神经(图3 (b))。此外,汽车的使用——和互相关函数的神经也开车绕过时hdEMG分解方法估算的模糊神经的振幅。这著名的歧义是常见的所有盲源分离算法(22,24),意味着神经的振幅开车只能确定到一个未知的标量因子(数字3,4,6)。这可以防止绝对震颤的评估神经驱动力量;然而其相对力量(关于自愿驱动器)可以很容易地评估。互相关函数评估不同的肌肉神经驱动器之间的相互作用,因此,对这幅模棱两可25]。
(一)
(b)
(一)
(b)
我们观察到两组不同的神经驱动模式,与ET患者表现出更大程度的共享神经穿越比PD患者的肌肉。量化这一现象,我们认为以下ET和PD歧视的神经动力指标:(N1)地震振幅的神经:平均自相关函数的最大值和最小值之间差异的神经动力每个肌肉,计算相关滞后从−1 + 1 s。(N2)地震频率在神经开车:优势频率的功率谱神经每个肌肉。(N3)手震颤对称:之间的互关联系数绝对值神经开车到手腕和腕屈肌的神经动力占主导地位的颤抖的手,平均值相关滞后−1 + 1(图3 (b)面板N3)。(陶瓷)在两种对称Interlimb震颤:神经之间的互关联系数的绝对值的两种驱动左和右手腕,平均值相关滞后−1 + 1(图3 (b)陶瓷面板)。(它们)Interlimb屈肌震颤对称:神经之间的互关联系数的绝对值开车去左和右手腕的屈肌,平均值相关滞后−1 + 1(图3 (b)面板它们)。(N6)全球地震对称:神经之间的互关联系数的绝对值驱动器相关滞后,平均超过所有肌肉对和相关滞后−1 + 1 s(所有面板数据3 (b)和4 (b))。(N7)标准化的全球地震对称:全球地震对称姿势任务(AO,我们或PO),除以全球地震对称再保险的任务。
3.3。空间分布的评估神经肌肉
中科捕捉颞可变性的神经肌肉驱动,而平均差异确定电机单位(36]。因此,中科忽略了地震输入是如何分布在运动神经元支配的肌肉。地震输入的分布在电机单位可以通过量化研究成对电机单元同步。在自愿的收缩,异步电动机单位放电,支持平滑力调制(28]。相比之下,在病理性震颤、运动单位的水平同步增加显著(20.,21,23]。这可以量化评估的分布向后和向前运动单位复发时间成对同时活跃的运动单位(37]。向前(向后)复发时间被定义为当前运动单位放电距离第一个(最)放电的另一个运动单位(图5(一个))。在正常情况下,复发时间均匀分布的观测时间的支持,表明低运动单位同步。在病理性震颤、运动单位复发时间组合在一起(图5 (b)),反映出高度同步电动机单位活动。
(一)
(b)
(一)
(b)
我们分析了运动单位的分布复发时间通过计算直方图。我们计算99%置信上限假设均匀分布,然后确定了峰值超过这个极限(37]。然后我们定义了成对运动单位同步指数峰面积之间的比例和所有直方图箱(图的总和5 (b))。最后,我们使用这个索引定义空间震颤可变性的以下指标:(N8)变异系数的成对运动单位同步:成对的分布的标准差除以运动单位同步索引他们的平均值,计算所有确定的双电机单位每肌肉和任务。(N9)归一化变异系数的成对运动单位同步:在AO N8度量任务,除以再保险的N8指标任务。归一化系数的变化在所有四个调查平均为每个病人的肌肉。
3.4。评估地震的手腕动作
和惯性传感器记录的地震特征非常吸引人由于简单,鲁棒性,这些传感器的成本效益38]。惯性传感器数据已经使用在许多地震诊断研究,展示了有前景的结果等方面和PD歧视(13,16,18]。然而,运动数据揭示底层地震机制的信息非常有限。然后,能够区分复杂ET和PD患者指标提取运动数据可能是有限的。来验证这个假设,我们计算,分别为主导和非惯用颤抖的手在每个记录任务,以下指标(18:基本的震动频率和它的力量,谱峰的数量基本地震频率的高次谐波,和他们的平均功率。我们也计算不对称的自相关函数13),以及统计信号特征(SSC)度量提出了(16]。
我们还定义了以下新的移动相关指标,以10为底的对数的计算谐波峰值功率为主导的数据和非惯用手震颤,分别为:(M1)意味着日志的所有谐波:意思是所有地震的对数功率谐波峰值功率谱的运动记录在一个单独的任务。(M2)意味着权力的所有日志谐波的平均水平:对数的均值的平均功率的谐波峰值在不同的任务。为了使ET和PD患者之间的差异最为明显,并进一步提高病人分类性能,所有的运动指标的值姿势任务(AO,我们和PO)个别病人被相应的归一化值在再保险的任务。在这个正常化,我们减去的指标任务从AO的相应的值,我们分别和订单任务。我们选择最高的重复地震振幅为每个AO,我们,和订单任务,分别和最低的重复地震振幅的任务。这产生了一个值为每种类型的任务(AO,我们和PO)为每一个病人。
3.5。评估地震的辨别力指标
指标展示结合指标描述病人的人口统计数据(年龄、性别)和震颤病因(地震,地震持续时间、震颤严重程度,结果UPDRS / Fahn-Tolosa规模,家族病史,药物,和优势)。总共194个地震指标进行了分析。每个提取的指标是评估使用的歧视性的权力接受者操作特征(ROC)曲线。特别是,我们使用以下指标:ROC曲线下面积(AUC)与相应的95%置信区间(95% CI);特异性(Sp);灵敏度(Se);阳性预测值(PPV);和阴性预测值(NPV)。ROC曲线描述了不同模型的性能基于不同的阈值,从而允许选择最优操作点(39]。在我们的研究中,最优操作点是最好的敏感性和特异性之间的权衡。敏感性预测模型的表示能力正确分类所有正例和特异性是能够正确分类负面情况。在我们的研究中,ET患者表示阳性病例和PD患者的负面情况。PPV和NPV值提供额外的洞察力所生成的预测模型的鲁棒性。PPV或精度是真阳性(ETs)的比例在所有患者分为积极的。类似地,NPV或错误发现率的比例是正确的底片(PDs)在所有患者分为阴性。此外,Mann-Whitney测试是用来比较提取的指标与PD病人等。统计学意义是基本水平 。
最后,上述运动和神经驱动指标测试他们的歧视在决策支持系统。我们感兴趣的方法,提供了一个象征性的表示中提取知识和实现一个简单的数据挖掘模型。因此,我们给了偏好二进制逻辑回归算法和决策树建模而不是黑箱方法(如神经网络、支持向量机)。然而,在大多数的统计建模方法,逻辑回归的缺点是,所有包含失踪的观测值将被忽略,导致减少数据集。这可以大大削弱了这些模型的预测能力。在决策树算法,这种限制是减轻代理分裂规则允许使用其他预测变量进行分割与失踪的观测值。因此我们选择了四个不同的决策树模型,即车(39],CHAID [40],C5.0 [41),和追求42]。这四个不同的算法基本上不同的分割标准。购物车(分类和回归树)算法使用基尼系数作为分离准则(39]。CHAID(卡方自动交互检测器)算法使用卡方测试独立评估之间的关联分类变量(40]。C5.0算法,这是一个改进版本的原始昆兰的C4.5算法(41),定义了度量提供了每一个分割基于最大信息增益。为了(快速、公正、高效的统计树)算法,分裂是由二次判别分析使用选定的输入功能组由目标类别(42]。
决策树模型进行评估使用10倍交叉验证(见细节(43])。在这种方法中,原始数据集随机划分为十个子集。然后,在每个十运行时,一个子集保留作为测试集,其余九个子集是用作计算训练数据预测模型。使用这种方法,所有的观察都用于培训和测试;每个观测一次用于测试。所有十个模型然后平均的结果产生一个模型估计性能。
4所示。结果
总共~ 20500电机单位已识别的精度高于90%根据内线指标(21]。确定电机的数量单位没有显著依赖于地震触发任务的类型(克鲁斯卡尔-沃利斯检验, )。相对大量的运动单位还确定了其余条件在ET患者和PD患者体位的任务。图6描绘了休息和姿势震颤平均振幅在27 ET和27 PD患者来源于神经开车,在空间上平均矫正EMG和加速度计数据。尽管在统计上有显著差异的地震振幅等与PD患者,这些差异准确ET和PD患者的歧视。这个观察演示了ET和PD地震的复杂性2]。
首先,我们评估了辨别力的上述指标。由于大量的测试指标,我们只存在歧视性最高的任务和指标的结果(表1和2)。地震振幅(N1)和震动频率(N2)神经驱动跨ET和PD患者没有显著差异(表1,图6)。然而,在占主导地位的颤抖的手震颤对称(N3) ET和PD患者之间明显不同,尤其是在AO和我们的任务。这些差异进一步增加当我们规范化的占主导地位的颤抖的手对称AO任务再保险与其对应的值(表1)。神经驱动指标,最佳跨地震类型的歧视是标准化的全球地震对称(N7) AO任务(AUC = 0.94, = 85.2, p = 96.2),其次是相同的震颤对称度量在我们的任务(AUC = 0.90, = 85.2, p = 100.0)。第二个最歧视的规范化的变异系数是度量两两运动单元同步(N9)在AO任务(表1)。值得注意的是,神经驱动指标N7优于所有移动相关指标在震颤歧视(表2),正如预期的那样,因为它捕获更微妙的方面,每个条件的神经机制。图7显示了N6、N7 N8, N9 AO和再保险任务指标。注意指标的规范化姿势震颤触发任务与他们的价值观在任务显著提高辨别力。
(一)
(b)
(c)
测试分析了神经的附加值推动通过累积高峰火车而不是肌电图数据,我们比较标准化的全球地震的辨别力对称(N7)指标在评估AO任务从(1)神经驱动器(低通滤波累积μ脉冲序列);(2)一个纠正EMG通道(通道最大每肌肉肌电图能源);和(3)的空间平均所有的纠正EMG渠道调查肌肉。我们使用相同的方法在所有三个案例。对称指数计算从通道最大EMG能量被误诊8 ET和10 PD患者(PPV Se = 70.4, Sp = 63.0, = 65.5,净现值= 68.0)。对称指数获得所有纠正EMG渠道表现略好,但仍然被误诊7 ET和7 PD患者(PPV Se = 74.1, Sp = 74.1, = 74.1,净现值= 74.1)。相比之下,对对称指数计算的神经开车是不是只有4 ET和2 PD患者。这些结果支持我们的声明,描述神经开车到基于累积肌肉运动单位脉冲序列优于其他测试措施,可能是因为它提供最精确的描述的有效输出正常豚鼠。
运动指标中,最高的AUC (AUC = 0.83, = 88.9, Sp = 70.4)获得了M2指标(意味着权力的所有日志谐波)非惯用的颤抖的手,平均AO,我们和阿宝任务(表和规范化的任务2)。度规M1在AO(地震非惯用手),我们的任务(占主导地位的颤抖的手)和归一化任务也取得了良好的性能(表2)。总的来说,运动的辨别力指标略低的占主导地位的非惯用颤抖的手。
测试单个的辨别力指标后,我们比较了不同的决策树算法的性能。在决策树算法(部分进行测试3.5),最好的预测能力是获得使用CHAID算法(图8)。整个诱导模型的准确性对整个数据集是94.4%。所有的PD患者正确分类和只有3 ET患者被误诊(AUC = 0.99 (0.98, 1.00), Se = 88.5, Sp = 100.00, PPV = 100.0,净现值= 90.0)。十倍旨在风险估计最后树计算的平均风险的所有十树(风险= 0.189,性病。错误= 0.054)。
只有三个指标被最后CHAID自动选择模式:(我)规范化全球地震对称AO任务相同指标规范化的再保险任务(N7)(2)规范化运动单位同步指数的变异系数(N9) AO任务中占主导地位的颤抖的手(3)意味着权力的所有日志运动谐波,平均AO,阿宝,我们和再保险任务,非惯用的颤抖的手(M2)。值得注意的是,这三个指标,提出了在这项研究中,突出了这些新方法的潜在影响。最歧视的度规,AO的神经对称驱动任务标准化的再保险(N7),放置在决策树的根。截止点= 1.555明显分为25 PD患者,或等于参数值低 ,从23 ET患者(数字7和8)。因此,PD患者表现出更高的神经开对称的任务比AO,而相反的是对ET患者(注意,这个结果不可能是来自纠正表面EMG)。其他两个指标被用于决策树的第二层次,从而提高分类精度准确诊断2额外的PD患者。ET患者表现出低变异性的运动单位同步任务比PD患者(图7)。M2分裂规则的解释比较困难,主要是由于肌肉活动之间的复杂关系动力学和运动上面所讨论的。
进一步测试地震诊断决策树系统的性能,我们从六个额外的患者应用在数据(测试组),并没有包含在训练数据集。值得注意的是,所有这六个额外的患者接受的基于模型的诊断与临床诊断。这个结果突显出我们的潜力模型推广到新的(未加工)患者。
5。讨论
在这项研究中,我们测试了194地震度量(他们中的许多人提出在此),目的是开发一个基于计算机的系统诊断等和PD震颤。尽管如此大量的指标,最成功的数据挖掘模型仅依赖三个指标我们提出:全球地震对称性在AO任务标准化的任务(N7);成对同步运动单位的变异系数(N9) AO任务标准化的任务;,意味着权力的所有日志谐波平均AO,阿宝,我们和再保险任务(M2)非惯用的颤抖的手。相同的三个地震指标也提出的逻辑回归结果(没有显示)。至关重要的是,最歧视的地震类型的两个指标是基于运动单位的分析活动。这表明准确诊断计算机辅助地震受益于神经控制的检查好方面没有检测到与原始表面EMG记录。
有几种可能的解释为什么神经驱动指标(特别是地震对称)比手腕运动信息度量。首先,颤抖神经驱动器可能是微妙而被大量同时自愿或非自愿cocontraction几个敌对的肌肉,这可能稳定关节和控制,因此,面具的地震分量的运动。其次,由于地震动力学的内在复杂性21),地震可能会从一个肌肉转移到另一个或可能影响整个组肌肉在整个审判。当这些肌肉控制相同的联合,净机械效应的变化可以相对较小或相对复杂,因此,难以解释和量化运动测量。第三,相互作用协同和拮抗的肌肉可能影响谐波的手腕运动,但这种效应是高度复杂和难以解释的手腕动作。评估神经开车到个人的肌肉提供更多精确的了解地震的潜在神经机制,这可能解释了为什么它是最歧视的基础指标。
在病理性震颤、运动单位射击模式,最终导致震颤的运动依赖于强度下降的常见的地震动力运动神经元池;随之而来的自愿开车,如果存在;传入的反馈从受体在相同的肌肉和其他肌肉;内在运动神经元性质;和突触噪声水平20.,21]。加法一起运动单位高峰火车到春秋国旅,许多运动神经元平均的固有噪声成分,揭示他们的时变常见的输入(21,36,44,45]。自相关函数的神经进一步推动强调节奏(同步)运动神经元活动和抑制异步的。当扩展到一些肌肉,这种分析的神经驱动器也可能提供一个洞察地震预测开车到邻近的肌肉(35]甚至隔间在同一块肌肉46]。
至关重要的是,这些详细的评估神经开车不太可能来自古典EMG措施,如肌电图功率谱或纠正肌电图,因为,花旗软件相反,这些措施既反映tremor-related输入不良反应的肌肉和肌肉解剖和几何的肌电图(25,28]。后者方面不相关的神经控制运动,从而构成“生物噪声”从数据处理的角度。这种“噪音”的负面影响主要是由于MUAP形状(见,例如,25,30.- - - - - -32,47]),非均质性造成的皮下组织和(接近)随机运动单位分布在肌肉组织(27]。事实上,EMG功率谱可以直接表示为之和MUAP光谱,加权的运动单位放电率(25]。花旗软件,在这项研究中,分析了不敏感的MUAP形状(或肌肉几何和解剖学),从而构成更适当的方式描述比纠正EMG震颤的驱动器。在这方面,我们清楚地展示了负面影响,一个表面电极位置的评估病理性震颤(图特征1)。我们还显示,指标的基础上,矫正EMG有辨别力低于指标的基础上,总结运动单位高峰列车。这是真的,甚至当我们的影响最小化电极位置的平均整流EMG所有60 EMG渠道在电极矩阵随即电极矩阵覆盖大部分的皮肤肌肉感兴趣的(参见上方4)。
可能由于上述灵敏度很高的地震识别指标,我们发现所有的测试等,PD患者震颤的休息姿势条件(数据进行测试6和7)。在一些情况下,地震是亚临床和肉眼几乎看不见。因此,进一步的研究需要观察。不过,所有这三个选择的指标,即全球对称(N6),两两运动单元同步指标的变异系数(N8)和意味着权力的所有日志运动谐波(M2),显著增加他们的辨别力当我们归一化值的姿势任务价值(表其他任务1和2,图7)。至关重要的是,这表明,地震属性(因此我们的度量指标的值)是相似的在PD和ET患者在一个单独的任务(图7),他们有非常不同的趋势当开关从静止姿势。在我们的研究中,全球地震的变异系数对称和成对ET患者运动单位同步增加,而增加小得多(或者甚至是一个减少)的PD患者。类似的趋势也发生在手腕运动指标。
从所有实验的一个有趣的观察是,没有一个人口/临床参数(年龄、性别、地震,地震持续时间、严重程度的地震,结果UPDRS / Fahn-Tolosa规模,家族病史,药物,和优势)是包含在模型建造的分段算法。这表明,该地震指标补充临床参数在歧视和PD,从而展示其援助的潜力在复杂情况下诊断。
我们也要注意,三个外星人的一个病人被CHAID分类错误的决策树模型是门诊和PD超过一年后他最初诊断的神经学家。另一个更进一步的ET病人门诊和矛盾的震颤等。第三个是不是ET病人经历了非常轻微的震颤在所有的调查任务。这些观察结果进一步突出该地震的潜在指标和提出的决策模型来帮助临床诊断的震动。此外,重要的是,这些目标措施开门派生指标病人应对不同的治疗和干预之间的客观比较。尽管临床诊断仍将地震诊断的金标准,我们的数据表明,神经动力指标可能识别特定的特性,否则难以探测,特别是在疾病的早期阶段时误诊是最常见的7,8]。此外,由于其客观性和精度,这些指标可以帮助指导病人随访和治疗。
有两种实用的局限性,使神经的临床使用驱动指标比运动指标缺乏吸引力。首先,收购hdEMG信号比运动更繁琐和耗时的录音,可以很容易地使用惯性测量单元执行。第二,一些肌肉需要记录计算提出的指标。这些限制可能会减轻的最近的事态发展在不久的将来不引人注目的表面EMG和无线传感器,如表皮电子(48]。我们进一步承认,在这项研究中,我们只测量每个病人在一个会话。因此,我们无法评估两次试验法的可靠性。出于同样的原因,我们不能评估地震特征的长期跟踪。最后,我们专注于ET和PD患者的歧视,因为这些都是最常见的类型的地震(1,49]。分析矛盾的震颤等其他类型的地震留给未来的工作。
总之,在这里我们引入了小说指标量化和歧视PD和震颤。特别是,我们建议指标描述颞(花旗软件),空间(成对的归一化系数变化运动单位同步),和cross-muscle震颤可变性(神经驱动对称)。我们发现这些指标提供高度精确洞察ET和PD地震的特点,和他们比指标根据纠正肌电图和运动数据。通过展示神经动力的辨别力指标等30日和30 PD患者中,我们证实了我们的假设,神经评估提供了新颖的见解这些病态。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究得到了欧盟委员会(批准的协议。ict - 2011.5.1 - 287739“NeuroTREMOR:新概念支持震颤的诊断和远程管理”),斯洛文尼亚的研究机构(研究的核心资助。p2 - 0041和项目j2 - 7357“精确量化的肌肉控制策略和co-activation符合hemiparetic患者的康复模式”),西班牙政府,MINECO(研究资助dpi2015 - 72638经验值)。j·a·加利西亚人收到了来自欧盟委员会的资金(fp7 -人- 2013智能油田之下- 627384)。