Российские исследователи разработали алгоритм поиска особых характерных признаков эпилептической активности на электроэнцефалограмме для того, чтобы локализовать эпилептический очаг в коре и удалить его хирургически. Метод оказался эффективнее ныне существующих и позволяет работать в условиях большого количества артефактов, как это и бывает в реальной практике. Исследование опубликовано в Journal of Neural Engineering.
Более 65 миллионов людей во всем мире страдают эпилепсией, в 30% случаев не поддающейся лечению фармакологическими средствами. Таким больным может помочь нейрохирургическое вмешательство, направленное на удаление определенного участка коры головного мозга, называемого эпилептогенной зоной. Как же обнаружить эту зону размером порядка квадратного сантиметра на коре, общая площадь которой достигает 0,2 кв.м.? В этом врачам помогает анализ электрической активности мозга, направленный на обнаружение в ней специальных событий, называемых интериктальными спайками или комплексами пик-волна. Пример такого события показан на рисунке 1а.
Поиск интериктальных спайков в многоканальных данных электрической активности мозга является непростой задачей, которая требует внимательного изучения специально обученным врачом-эпилептологом большого объема данных и применения постоянно совершенствующихся в клиническом сообществе критериев отбора спайков. Дальнейший анализ распределения амплитуды пика интериктального спайка по поверхности скальпа (см. рисунок 1б) позволяет сделать вывод о том, где локализована эпилептогенная зона на коре головного мозга и спланировать нейрохирургическое вмешательство.
Наиболее эффективные методики математического анализа сигналов позволяют оптимизировать процесс поиска интериктальных спайков, однако для корректной работы они требуют формализации критериев, применяемых человеком при решении этой задачи. Авторами из Высшей школы экономики и Центра биоэлектрических интерфейсов разработана методика анализа сигналов, позволяющая натуральным образом переводить вербальное описание формы спайка в набор легко проверяемых логических предикатов.
«Такая биомиметическая природа нашего алгоритма облегчает взаимодействие машины и врача и повышает уровень доверия последнего к результатам автоматического анализа», — говорит Алексей Осадчий, один из авторов алгоритма и руководитель исследования.
Сравнив качество работы нового метода с несколькими основными методиками авторы пришли к выводу, что предлагаемый алгоритм заметно превосходит другие подходы в случае, когда данные содержат большое количество высокоамплитудных артефактов.
«Высокая робастность алгоритма может оказаться особенно полезной при работе с клиническими ЭЭГ-данными, часто содержащими выраженные артефакты и нестационарности», — утверждает Дария Клеева, аспирант Центра биоэлектрических интерфейсов НИУ ВШЭ и первый автор работы.
Текст: ВШЭ
Journal of Neural Engineering
Fast parametric curve matching (FPCM) for automatic spike detection
Daria Kleeva, Gurgen Soghoyan, Ilia Komoltsev, Mikhail Sinkin and Alexei Ossadtchi