Herzratenextraktion in Niedrigkanal-Ohr-EEG-Systemen zur robusten und mobilen Anfallserkennung

Abstract-Text (inklusive Referenzen und Bildunterschriften)

Fragestellung
Mobile Anfallserkennungssysteme detektieren epileptische Anfälle automatisch mittels im Alltag messbarer Biosignale. Das EEG als Messsystem der elektrischen Gehirnaktivität kann hierzu auch in Form eines Niedrigkanal-Systems hinter den Ohren sitzend genutzt werden [1]. Unter Hinzunahme von Informationen aus einem EKG, wie bspw. eine bei epileptischen Anfällen häufig auftretende iktale Tachykardie (IT) in Form eines temporären Anstiegs der Herzrate (HR), kann sich die Leistung eines Erkennungsverfahrens zudem verbessern [2]. Während solche multimodalen Ansätze zu robusteren Detektionsergebnissen führen [1], sinkt aufgrund der gleichzeitig ansteigenden Anzahl der zu tragenden Geräte die Akzeptanz zur Nutzung solcher Systeme [3]. Um auf zusätzliche EKG-Geräte zu verzichten, kann die HR auch aus bereits vorhanden elektrographischen Signalquellen anhand von interferierender Herzaktivität extrahiert werden. Srinivasan et al. [4] konnten bereits HR-Werte über mehrere Stunden gemittelt aus einem einzelnen EEG-Kanal exakt extrahieren.

Ziel
Ziel dieser Arbeit ist es die HR aus einem EEG-Kanal so zu extrahieren, dass epilepsietypische Phänomene der Herzaktivität, wie eine IT, erkannt werden kann.

Materialien & Methoden
Die Extraktion der HR erfolgt auf 2-Kanal-Ohr-EEG-Aufnahmen von 55 Patienten der Freiburger SeizeIT2-Datenbank, sowie einem dazu synchron abgeleiteten EKG. Zum Vergleich dienen die Daten der MIT-BIH Polysomnographie-Datenbank (physionet.org). Der heuristische Algorithmus aus [4], sowie ein eigens entwickelter Algorithmus des maschinellen Lernens werden zur Extraktion der HR eingesetzt. HR-Werte werden für jede Aufnahme aus einem einzelnen EEG-Kanal ermittelt, visuell analysiert und deren Abweichung im Verhältnis zu den HR-Werten des synchronen EKGs in variierender zeitlicher Auflösung berechnet. Zudem werden Anfallssequenzen mit annotierter IT gesondert analysiert.

Ergebnisse
Vorläufige Ergebnisse unter Verwendung des Algorithmus aus [4] zeigen teilweise eine punktgenaue Extraktion der HR bei visuell erkennbarer Überlagerung des EEG-Signals mit Herzaktivität (Abb.1). Die mit dieser Methode aus dem EEG-Signal extrahierte HR stimmt aber zumeist nur kurzzeitig mit der tatsächlichen HR überein und weicht insbesondere bei erhöhter HR und Variabilität stark ab (Abb.2).

Zusammenfassung
Diese Arbeit offenbart das Potential einer Extraktion der HR aus einem Niedrigkanal-Ohr-EEG-Signal. Die vorläufigen Ergebnisse zeigen, dass ein heuristischer Ansatz bei starker Interferenz von EEG und EKG gute Ergebnisse liefert, zur Erkennung einer IT aber nicht robust genug ist. Zur verlässlichen Extraktion ist daher eine stetig genaue Erkennung der EKG-Artefakte im EEG-Signal notwendig. Ein solches Erkennungsverfahren soll im weiteren Verlauf dieser Arbeit entwickelt werden.

Literatur
[1] Vandecasteele et al. Visual seizure annotation and automated seizure detection using behind-the-ear electroencephalographic channels.Epilepsia. 2020
[2] Vandecasteele et al. The power of ECG in multimodal patient-specific seizure monitoring: Added value to an EEG-based detector using limited channels. Epilepsia. 2021
[3] Bruno et al. Seizure detection at home: Do devices on the market match the needs of people living with epilepsy and their caregivers? Epilepsia. 2020
[4] Srinivasan et al. Heart rate calculation from ensemble brain wave using wavelet and Teager-Kaiser energy operator. Annu Int Conf IEEE Eng Med Biol Soc. 2015