文摘
没有一个特定的阿尔茨海默病(AD)的诊断测试。广告诊断依靠病史、神经心理学和实验室检测,神经影像学和脑电图。因此,新方法是必要的,使早期和更精确的诊断和测量治疗结果。定量脑电图(qEEG)可以用作诊断工具在选定的情况下。本研究的目的是要回答如果区分不同的电极蒙太奇有不同的灵敏度控制从广告的病人。我们分析脑电图频谱峰值(δθ,α、β和γ乐队),和我们比较引用(Biauricular、纵向双相交叉双极,双相,和Cz引用)。支持向量机和逻辑回归分类器显示对应双蒙太奇作为最敏感电极组合。我们的研究结果表明,与双相蒙太奇是最好的选择,研究脑电图频谱峰值控制和广告。
1。介绍
阿尔茨海默病(AD)的诊断是根据临床历史,神经心理学和实验室测试,神经影像学和脑电图(EEG)。新方法是必要的,更精确的诊断(1,2)和测量治疗结果(3]。
脑电图视觉分析广告(可以是一个有用的诊断测试4,5]。背景频率位移δθ的频率和中央阿尔法节律的辍学是常见的脑电图的发现在广告6]。因此,Sandmann et al。7)观察到的直接认知障碍的程度之间的相关性和低频脑电活动的脑电图的力量。
自从第一次定量脑电图(qEEG)莱曼的研究[8和达菲等。9),光谱分析(specA)和统计应用于脑电图。此外,specA一直被视为从71%变化到81%敏感10- - - - - -13在广告脑电图背景。Saletu et al。14)发现了α和β的局部时间减少在广告活动和脑节奏缓慢广泛分布在血管性痴呆(VaD) [10- - - - - -13]。璞琪et al。15]提出降低α频率6.0 - -8.0 Hz标记可以是一个广告。
尽管知识建立在这个领域在过去的几十年里,有许多悬而未决的问题阻碍qEEG整合作为一种诊断工具。我们的目的是研究不同电极蒙太奇当微分控制广告患者有不同的敏感性。
2。材料和方法
2.1。主题
数据集是由测量(脑电图)记录两组年龄从60到80年:12正常人(S1)和(S2) 22可能AD患者(NINCDS-ADRDA标准)16]。广告组分为有轻度至中度症状(DSM-IV-TR) [17]。两组人提交给巴西版本的细微精神状态检查(MMSE) [18,19]。AD患者得分低于26分。所有的历史渊源者没有糖尿病、肾脏疾病、甲状腺疾病、酗酒、肝脏疾病、肺部疾病,或缺乏维生素B12避免认知障碍的其他原因。
2.2。数据采集和处理
12位分辨率的脑电图记录,带通1-50赫兹,采样率为200 Hz。一个Braintech 3.0 (EMSA“大学生Equipamentos”)记录硬件。阻抗保持低于10 K,电极放置根据国际10 - 20系统[5,20.]。相互关联的耳垂电极参考(没有电阻)是标准在我们的实验室中,尽管有争议关于参考是最好的(21,22]。脑电图记录在20分钟。渊源者是清醒和放松,闭着眼睛。两个技能的神经生理学脑电图工件(闪烁、困倦、肌肉运动或设备相关工件)录音。随后,从每个脑电图,40时代选择8秒的目视检查(23]。
512点汉明快速傅里叶变换(FFT)算法被用来处理时代的分析。windows 2.5秒连续重叠窗口的90% (23]。脑电图信号过滤使用无限脉冲响应低通椭圆滤波器截止频率为50 Hz,零在60赫兹的频率,消除电网的干扰(60 Hz)。
2.3。特征提取
特征提取方法用于挖掘一些特定信号时代生产数据的特点,可以代表事件(23]。谱峰特征(或频谱峰值),选择在这工作,对应于脑电图频谱的频率振幅达到最大值。被使用的蒙太奇(我)Biauricular参考(Bar): Fp1-A1、Fp2-A2 F7-A1, F8-A2, F3-A1, F4-A2, C3-A1, ca2, T3-A1, T4-A2, P3-A1, P4-A2, O1-A1, O2-A2;(2)纵向双相(Lbp): Fp1-F3、F3-C3 C3-P3, P3-O1, O1-T5, T5-T3, T3-F7, F7-Fp1, Fp2-F4, F4-C4, C4-P4, P4-O2, O2-T6, T6-T4, T4-F9, F8-Fp2;(3)交叉双相(Bcr): Fp1-Fp2、F7-F3 F3-Fz, Fz-F4, F4-F8, T3-C3, C3-Cz, Cz-C4, C4-T4, T5-P3, P3-Pz, Pz-P4, P4-T6, O1-O2;(iv)与双极(Bco): F7-F8、F3-F4 T3-T4,同样,P3-P4, T5-T6, O1-O2;(v)Cz参考(Czr): Fp1-Cz、Fp2-Cz F3-Cz, F4-Cz, F7-Cz, F8-Cz, T3-Cz, T4-Cz, C3-Cz, C4-Cz, T5-Cz, T6-Cz, P3-Cz, P4-Cz, O1-Cz O2-Cz。
每一个电极蒙太奇(图1δ)光谱峰值计算(从0.1到4.0 Hz),θ(从4.0到8.0赫兹),α(从8.0到12.0赫兹),β(从12.0到30.0赫兹),和伽马(从30.0到50.0赫兹)乐队24]。
2.4。分类器
脑电图数据集是由1360年时代(40时代的34个科目)。分析基于leave-one-subject-out过程:1320时代被用于训练和40时代从一个话题进行测试。这意味着,每一次训练分类器与时代以外所有人的一个测试。这个过程进行测试的分类器有识别力的处理数据的能力不同,在培训期间提出。的离开- - - - - -one-subject-out过程重复所有34个人(34测试每个蒙太奇)。
2.4.1。支持向量机(svm)
svm构成监督机器学习(ML)技术基于统计学习理论(25]。在这种方法中,一个训练数据集(包含已知的标记数据的例子)是用来画一个超平面与最大利润,基于特征的坐标,它把两个类(在我们的例子中,控制和广告)。随后,这个超平面的坐标是用来测试数据集和模型的准确性26]。当类不是线性可分的,特征坐标应通过核函数映射到一个更高的维度。在这个新的空间,变得线性可分的,最大的类边界超平面可以发现(26]。
在这个实验中,Weka工具(27)与默认值被用来支持向量机感应。支持向量机的正则化系数是维护,而内核使用RBF (28]。缓存大小是250007年,γ值为0.01。
2.4.2。逻辑回归(LR)
逻辑回归是一个类别的统计模型的一部分称为广义线性模型。LR经常是一个分类的工具用于帮助诊断(29日]。在这种方法中,判别函数分析分数之和的每个特性,然后清楚地说明两组之间的界限(30.]。逻辑回归计算的预测概率不同的子组(在我们分析)落入一个类别(30.]。在LR感应,我们也使用Weka工具(27用默认值。在这种情况下,最大的互动价值−1.0,脊值对数似被配置为1.0。
3所示。结果与讨论
表1显示了两个分类器的结果每个电极蒙太奇。分别列代表从左到右,精度,灵敏度(病人正确诊断为广告),和特异性(控制正确诊断为法线)。每个蒙太奇的第一行显示的百分比时代分类(均值和标准差)。
表的第二行1介绍了每个主题百分比。每个主题的分析分析考虑时代分类正确的数量之间的比例和时代的总数。这个比例是超过0.5时,主题分类被认为是正确的。34个测试后,主题正确诊断计算。在表1,Bco蒙太奇的最高数量的正确诊断和最低标准偏差分类器。Bco也有高特异性(广告)的正确诊断与情感。这些发现是相关的,因为他们验证这种qEEG技术作为一种诊断方法。因此,它可以帮助支持临床诊断。
重要的是要注意,高标准差(SD)是一种方法论leave-one-subject-out测试的结果。如果一个人有坏时代准确性,意味着低和SD高。Bco蒙太奇SD较低,因此,表明变异性减少数量的正确的诊断。
表2显示了个人的结果准确率的变化。列显示,分别从左到右,每个主题的时代精度100%,≥75%,≤50%,0%(所有时代错误地由一个主题分类)。
支持向量机测试了枸杞多糖与最大的蒙太奇时代精度(16个受试者准确率达到了100%),其次是Bcp e Czr(15例)。Bco是蒙太奇与精度更高的病例数大于或等于75%,更少的情况下精度小于或等于50%,没有病例0%正确分类。
LR测试批准Bco拥有最多的100%精度的结果,最高精度的病例数大于或等于75%,少情况下精度小于50%,没有病例0%正确分类(在这最后情况下类似于酒吧和Czr 0例)。
本研究表明Bco是更值得信赖的蒙太奇,因为他的更高的利率100%时代准确性和缺乏0%情况下分类器。因此,其他参数可能是基于LR的测试。优势比的值(ODDR)可以从比率分析广告/控制(表3)。可以验证11特性呈现ODDR > 1。因此,有可能这些特性可以与广告有关。
在这些ODDR特性、电极F3-F4 F7-F8,同样的,和T5-T6 ODDR值> 1 -θ乐队;电极F7-F8和O1-O2 ODDR值> 1δ乐队;F3-F4 F7-F8,同样提出了ODDR值> 1 -β乐队,和T3-T4 P3-P4 ODDR值> 1伽玛乐队。
脑电图的轻度DA有更高的θ活动和较低的测试活动(31日,32),可以看到在我们的情况下(F3-F4 F7-F8,同样,T5-T6)。此外,这些电极直接相关的脑半球差异中发现我们的广告数量(33]。中度到先进的广告与三角洲活动的增加(32,34- - - - - -36),这可以解释在F7-F8和O1-O2发现的值。因此,我们的研究结果是根据别人提供的数据。
分析电极的数量与每个蒙太奇表明较高的蒙太奇枸杞多糖和Czr 16个信号的信号数量,其次是酒吧和14 Bcr信号。最低数量的信号的蒙太奇是Bco(7)的信号。我们可以说Bco也是更紧凑(电极),因此,便宜的处理时间。
4所示。结论
总而言之,我们的结果符合文献,表明光谱峰广告诊断是一种有效的工具(24,37]。我们的贡献是回答这个问题,给文章来源。是的,分析表明,双脑半球蒙太奇(双相对应)是最好的评估广告的帮助患者自动分类器(DA与N) (38,39),当使用脑电图频谱峰作为特征(预测)。
虽然需要更多的测试来确认我们的分类器的泛化能力,我们建议光谱峰值计算使用不同电极会影响分类结果的蒙太奇(分化)的患者正常受试者和广告。我们未来的目标是推广结果增加渊源者的数量。