Известия высших учебных заведений

Прикладная нелинейная динамика

ISSN 0869-6632 (Print)
ISSN 2542-1905 (Online)

Для цитирования:

Белокопытов А. С., Макарова М. М., Саламатин М. И., Редкозубова О. М. Разработка алгоритма детектирования медленной пик-волновой активности при бессудорожных формах эпилепсии // Известия вузов. ПНД. 2024. Т. 32, вып. 2. С. 223-238. DOI: 10.18500/0869-6632-003088, EDN: XBFSQU

Статья опубликована на условиях лицензии Creative Commons Attribution 4.0 International (CC-BY 4.0).
Полный текст в формате PDF(Ru):
Иконка PDF and_2024-2_belokopytov-et-al_223-238.pdf
(загрузок: 0)
Язык публикации: 
русский
Рубрика: 
Нелинейная динамика и нейронаука
Тип статьи: 
Научная статья
УДК: 
616.853.1
DOI: 
10.18500/0869-6632-003088
EDN: 
XBFSQU

Разработка алгоритма детектирования медленной пик-волновой активности при бессудорожных формах эпилепсии

Авторы: 
Белокопытов Антон Сергеевич, Высшая школа экономики
Макарова Милана Михайловна, Высшая школа экономики
Саламатин Михаил Игоревич , Высшая школа экономики
Редкозубова Ольга Михайловна, Нейроботикс
Аннотация: 

Цель данного исследования заключается в разработке классификатора, способного в режиме реального времени определять типичные абсансы на основе данных электроэнцефалограммы, с использованием модели опорных векторов.

Методы. Для обучения модели опорных векторов использовались участки электроэнцефалограммы, предварительно помеченные специалистом как содержащие типичные абсансы. В качестве признаков для классификации выделены ключевые характеристики, такие как число пересечений нуля, кросс-корреляция между двумя последовательными окнами, спектральная мощность в различных диапазонах частот и среднеквадратическое отклонение мгновенной мощности сигнала.

Результаты. Сформированы обучающая и тестировочная выборки, включающие окна электроэнцефалограммы с различными типами артефактов. Модель опорных векторов была обучена и протестирована, показав высокую эффективность. Разработанный алгоритм может быть интегрирован в мобильное приложение и использован совместно с носимым электроэнцефалографом на сухих электродах для детекции типичных абсансов в режиме реального времени.

Заключение. Результаты исследования подтверждают перспективность применения методов машинного обучения для автоматического детектирования и протоколирования эпилептической активности. Однако для уверенного вывода требуется дальнейшее тестирование на большем объеме данных, включая данные, собранные с использованием беспроводного электроэнцефалографа на сухих электродах. Следующим этапом будет подбор подходящего устройства и создание мобильного приложения для сбора и анализа данных в режиме реального времени.

Ключевые слова: 
абсансная эпилепсия
метод опорных векторов
динамический классификатор
электроэнцефалограмма
детектирование в реальном времени
машинное обучение
Список источников: 
  1. Reichsoellner J., Larch J., Unterberger I., Dobesberger J., Kuchukhidze G., Luef G., Bauer G., Trinka E. Idiopathic generalised epilepsy of late onset: a separate nosological entity? // J. Neurol. Neurosurg. Psychiatry. 2010. Vol. 81, no. 11. P. 1218–1222. DOI: 10.1136/jnnp.2009.176651.
  2. Эпилепсия и эпилептический статус у взрослых и детей. Клинические рекомендации. Министерство здравоохранения Российской Федерации, 2022. 291 с.
  3. Cortez M. A., Snead III O. C. Pharmacologic models of generalized absence seizures in rodents // In: Pitkanen A., Schwartzkroin P. A., Moshe S. L. (eds) Models of Seizures and Epilepsy. Burlington: Academic Press, 2006. P. 111–126. DOI: 10.1016/B978-012088554-1/50012-8.
  4. Destexhe A. Network models of absence seizures // In: Faingold C. L., Blumenfeld H. (eds) Neuronal Networks in Brain Function, CNS Disorders, and Therapeutics. San Diego: Academic Press, 2014. P. 11–35. DOI: 10.1016/B978-0-12-415804-7.00002-2.
  5. Elger C. E., Hoppe C. Diagnostic challenges in epilepsy: seizure under-reporting and seizure detection // Lancet Neurology. 2018. Vol. 17, no. 3. P. 279–288. DOI: 10.1016/S1474-4422 (18)30038-3.
  6. Bruno E., Viana P. F., Sperling M. R., Richardson M. P. Seizure detection at home: Do devices on the market match the needs of people living with epilepsy and their caregivers? // Epilepsia. 2020. Vol. 61, no. S1. P. S11–S24. DOI: 10.1111/epi.16521.
  7. Elmali A. D., Begley K., Chester H., Cooper J., Moreira C., Sharma S., Whelan A., Leschziner G., Richardson M. P., Stern W., Koutroumanidis M. Evaluation of absences and myoclonic seizures in adults with genetic (idiopathic) generalized epilepsy: a comparison between self-evaluation and objective evaluation based on home video-EEG telemetry // Epileptic Disorders. 2021. Vol. 23, no. 5. P. 719–732. DOI: 10.1684/epd.2021.1325.
  8. Tatum 4th W. O., Winters L., Gieron M., Passaro E. A., Benbadis S., Ferreira J., Liporace J. Outpatient seizure identification: results of 502 patients using computer-assisted ambulatory EEG // Journal of Clinical Neurophysiology. 2001. Vol. 18, no. 1. P. 14–19. DOI: 10.1097/00004691- 200101000-00004.
  9. Beniczky S., Wiebe S., Jeppesen J., Tatum W. O., Brazdil M., Wang Y., Herman S. T., Ryvlin P. Automated seizure detection using wearable devices: A clinical practice guideline of the International League Against Epilepsy and the International Federation of Clinical Neurophysiology // Clinical Neurophysiology. 2021. Vol. 132, no. 5. P. 1173–1184. DOI: 10.1016/j.clinph.2020.12.009.
  10. Wirrell E. C., Camfield C. S., Camfield P. R., Dooley J. M., Gordon K. E., Smith B. Long-term psychosocial outcome in typical absence epilepsy. Sometimes a wolf in sheeps’ clothing // Arch. Pediatr. Adolesc. Med. 1997. Vol. 151, no. 2. P. 152–158. DOI: 10.1001/archpedi.1997.021703 90042008.
  11. Wirrell E. C., Camfield P. R., Camfield C. S., Dooley J. M., Gordon K. E. Accidental injury is a serious risk in children with typical absence epilepsy // Arch. Neurol. 1996. Vol. 53, no. 9. P. 929–932. DOI: 10.1001/archneur.1996.00550090141020.
  12. Vega C., Guo J., Killory B., Danielson N., Vestal M., Berman R., Martin L., Gonzalez J. L., Blumenfeld H., Spann M. N. Symptoms of anxiety and depression in childhood absence epilepsy // Epilepsia. 2011. Vol. 52, no. 8. P. e70–e74. DOI: 10.1111/j.1528-1167.2011.03119.x.
  13. Killory B. D., Bai X., Negishi M., Vega C., Spann M. N., Vestal M., Guo J., Berman R., Danielson N., Trejo G., Shisler D., Novotny Jr. E. J., Constable R. T., Blumenfeld H. Impaired attention and network connectivity in childhood absence epilepsy // NeuroImage. 2011. Vol. 56, no. 4. P. 2209– 2217. DOI: 10.1016/j.neuroimage.2011.03.036.
  14. Fiest K. M., Birbeck G. L., Jacoby A., Jette N. Stigma in epilepsy // Current Neurology and Neuroscience Reports. 2014. Vol. 14, no. 5. P. 444. DOI: 10.1007/s11910-014-0444-x.
  15. 15. Kjaer T. W., Sorensen H. B. D., Groenborg S., Pedersen C. R., Duun-Henriksen J. Detection of paroxysms in long-term, single-channel EEG-monitoring of patients with typical absence seizures // IEEE Journal of Translational Engineering in Health and Medicine. 2017. Vol. 5. P. 2000108. DOI: 10.1109/JTEHM.2017.2649491.
  16. Tovar Quiroga D. F., Britton J. W., Wirrell E. C. Patient and caregiver view on seizure detection devices: A survey study // Seizure. 2016. Vol. 41. P. 179–181. DOI: 10.1016/j.seizure.2016.08.004.
  17. Ovchinnikov A., Luttjohann A., Hramov A., van Luijtelaar G. An algorithm for real-time detection of spike-wave discharges in rodents // Journal of Neuroscience Methods. 2010. Vol. 194, no. 1. P. 172–178. DOI: 10.1016/j.jneumeth.2010.09.017.
  18. Sitnikova E., Hramov A. E., Koronovsky A. A., van Luijtelaar G. Sleep spindles and spike–wave discharges in EEG: Their generic features, similarities and distinctions disclosed with Fourier transform and continuous wavelet analysis // Journal of Neuroscience Methods. 2009. Vol. 180, no. 2. P. 304–316. DOI: 10.1016/j.jneumeth.2009.04.006.
  19. Назимов А. И., Павлов А. Н., Храмов А. Е., Грубов В. В., Ситникова Е.Ю., Храмова М. В. Распознавание осцилляторных паттернов на электроэнцефалограмме на основе адаптивного вейвлет-анализа // Вестник Тамбовского университета. Серия: Естественные и технические науки. 2013. Т. 18, № 4. С. 1431–1434.
  20. Грубов В. В., Короновский А. А., Ситникова Е.Ю., Храмов А. Е. Частотно-временной анализ характерных паттернов активности нейронных ансамблей головного мозга при помощи непрерывного вейвлетного преобразования // Известия Российской академии наук. Серия физическая. 2014. Т. 78, № 12. С. 1525–1529.
  21. Ситникова Е.Ю., Смирнова К. С., Грубов В. В., Храмов А. Е. Принципы диагностики незрелой эпилептической (проэпилептической) активности на ЭЭГ у крыс с генетической предрасположенностью к абсанс-эпилепсии // Информационно-управляющие системы. 2019. № 1. С. 89–97. DOI: 10.31799/1684-8853-2019-1-89-97.
  22. van Luijtelaar G., Luttjohann A., Makarov V. V., Maksimenko V. A., Koronovskii A. A., Hramov A. E. Methods of automated absence seizure detection, interference by stimulation, and possibilities for prediction in genetic absence models // Journal of Neuroscience Methods. 2016. Vol. 260. P. 144–158. DOI: 10.1016/j.jneumeth.2015.07.010.
  23. Грубов В. В., Ситникова Е.Ю., Куровская М. К., Короновский А. А., Храмов А. Е. Перспективы использования метода эмпирических мод и вейвлетного анализа для выявления проэпилептической активности на сигналах электроэнцефалограмм // Ученые записки физического факультета Московского университета. 2016. № 5. С. 165404.
  24. Jando G., Siegel R. M., Horvath Z., Buzsaki G. Pattern recognition of the electroencephalogram by artificial neural networks // Electroencephalography and Clinical Neurophysiology. 1993. Vol. 86, no. 2. P. 100–109. DOI: 10.1016/0013-4694(93)90082-7.
  25. Buteneers P., Schrauwen B., Verstraeten D., Stroobandt D. Real-time epileptic seizure detection on intra-cranial rat data using reservoir computing // In: Koppen M., Kasabov N., Coghill G. (eds) Advances in Neuro-Information Processing. ICONIP 2008. Vol. 5506 of Lecture Notes in Computer Science. Berlin, Heidelberg: Springer, 2009. P. 56–63. DOI: 10.1007/978-3-642- 02490-0_7.
  26. Xanthopoulos P., Rebennack S., Liu C.-C., Zhang J., Holmes G. L., Uthman B. M., Pardalos P. M. A novel wavelet based algorithm for spike and wave detection in absence epilepsy // In: 2010 IEEE International Conference on BioInformatics and BioEngineering. 31 May 2010 - 3 June 2010, Philadelphia, PA, USA. New York: IEEE, 2010. P. 14–19. DOI: 10.1109/BIBE.2010.12.
  27. Startceva S. A., Luettjohann A., Sysoev I. V., van Luijtelaar G. A new method for automatic marking epileptic spike-wave discharges in local field potential signals // In: Proc. SPIE. Vol. 9448. Saratov Fall Meeting 2014: Optical Technologies in Biophysics and Medicine XVI; Laser Physics and Photonics XVI; and Computational Biophysics. SPIE, 2015. P. 94481R. DOI: 10.1117/12.2179017.
  28. Baser O., Yavuz M., Ugurlu K., Onat F., Demirel B. U. Automatic detection of the spike-and-wave discharges in absence epilepsy for humans and rats using deep learning // Biomedical Signal Processing and Control. 2022. Vol. 76. P. 103726. DOI: 10.1016/j.bspc.2022.103726.
  29. Guo L., Rivero D., Dorado J., Rabunal J. R., Pazos A. Automatic epileptic seizure detection in EEGs based on line length feature and artificial neural networks // Journal of Neuroscience Methods. 2010. Vol. 191, no. 1. P. 101–109. DOI: 10.1016/j.jneumeth.2010.05.020.
  30. Dan J., Vandendriessche B., Van Paesschen W., Weckhuysen D., Bertrand A. Computationallyefficient algorithm for real-time absence seizure detection in wearable electroencephalography // International Journal of Neural Systems. 2020. Vol. 30, no. 11. P. 2050035. DOI: 10.1142/S012 9065720500355.
  31. Глухова Л.Ю. Клиническое значение эпилептиформной активности на электроэнцефалограмме // Российский журнал детской неврологии. 2016. Т. 11, № 4. С. 8–19. DOI: 10.17650/2073- 8803-2016-11-4-8-19.
  32. Вольнова А. Б., Ленков Д. Н. Абсансная эпилепсия: механизмы гиперсинхронизации нейронных ансамблей // Медицинский фкадемический журнал. 2012. Т. 12, № 1. С. 7–19.
  33. Карлов В. А. Абсанс // Журнал неврологии и психиатрии им. С. С. Корсакова. 2005. Т. 3. С. 55–60.
  34. Petersen E. B., Duun-Henriksen J., Mazzaretto A., Kjaer T. W., Thomsen C. E., Sorensen H. B. D. Generic single-channel detection of absence seizures // In: 2011 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. 30 August 2011 - 3 September 2011, Boston, MA, USA. New York: IEEE, 2011. P. 4820–4823. DOI: 10.1109/IEMBS.2011.6091194.
  35. Chatzichristos C., Swinnen L., Macea J., Bhagubai M., Van Paesschen W., De Vos M. Multimodal detection of typical absence seizures in home environment with wearable electrodes // Frontiers in Signal Processing. 2022. Vol. 2. P. 1014700. DOI: 10.3389/frsip.2022.1014700.
  36. Japaridze G., Loeckx D., Buckinx T., Larsen S. A., Proost R., Jansen K., MacMullin P., Paiva N., Kasradze S., Rotenberg A., Lagae L., Beniczky S. Automated detection of absence seizures using a wearable electroencephalographic device: a phase 3 validation study and feasibility of automated behavioral testing // Epilepsia. 2022. DOI: 10.1111/epi.17200.
  37. Макаров В. В. Методы и алгоритмы автоматической классификации психофизиологических характеристик человека: дисс. ... канд. техн. наук: 05.13.17. М.: Федеральный исследовательский центр «Информатика и управление» Российской академии наук, 2022. 104 с.
  38. Ситникова Е.Ю., Короновский А. А., Храмов А. Е. Анализ электрической активности головного мозга при абсанс-эпилепсии: прикладные аспекты нелинейной динамики // Известия вузов. ПНД. 2011. Т. 19, № 6. С. 173–182. DOI: 10.18500/0869-6632-2011-19-6-173-182.
  39. Beniczky S., Rubboli G., Covanis A., Sperling M. R. Absence-to-bilateral-tonic-clonic seizure // Neurology. 2020. Vol. 95, no. 14. P. e2009–e2015. DOI: 10.1212/WNL.0000000000010470.
  40. Shoeb A. CHB-MIT Scalp EEG Database [Electronic resource]. PhysioNet, 2010. Available from: https://physionet.org/content/chbmit/1.0.0/.
  41. NeuroPlay - NeuroPlay-6С [Electronic resource]. Available from: https://neuroplay.ru/catalog/neuroplay-6c/.
Поступила в редакцию: 
13.09.2023
Принята к публикации: 
19.09.2023
Опубликована онлайн: 
08.02.2024
Опубликована: 
29.03.2024
  • 336 просмотров