Automatische Erkennung von High Frequency Oscillations aus dem Elektrocorticogramm mit einem künstlichen neuronalen Netzwerk

Hochfrequenzoszillationen (HFO) im Bereich zwischen 80Hz und 500Hz im intrakraniellen EEG liefern wahrscheinliche exaktere Informationen über die epileptogene Zone als interiktale Spikes und haben eine hohe Übereinstimmung mit der Zone des Anfallsursprungs. Die chirurgische Entfernung von Arealen, in denen HFOs registriert werden, ist hoch mit postoperativer Anfallsfreiheit korreliert. Allerdings benötigt die Identifizierung von HFOs ein großes Maß an Erfahrung und ist extrem zeitaufwändig. Daher wird ein Algorithmus vorgestellt und evaluiert der mithilfe eines künstlichen neuronalen Netzwerkes HFOs automatisch erkennt.

Basis für diese Studie sind subdurale Grid- und Stripaufzeichnungen von Patienten mit fokaler kortikaler Dysplasie während der prächirurgischen Epilepsiediagnostik. In dieser Studie wurden HFOs im Frequenzbereich von 80Hz –200Hz, genannt Ripples, untersucht. HFOs wurden für ein Intervall von 3 Minuten in Schlafstadium III oder IV visuell nach Hochpassfilterung mit 80Hz identifiziert. Markierte HFOs von 3 Patienten dienten zum Training eines neuronalen Netzwerks mit radialen Basisfunktionen (RBF). Eingangsparameter für das RBF Netzwerk waren die Energie des Signals, die Linienlänge des Signals und die momentane Frequenz, die über die Hilbert-Transformierte bestimmt worden ist. Die markierten HFOs der anderen 8 Patienten dienten zur Evaluierung des Algorithmus.

In den 8 Datensätzen zur Evaluierung wurden 41722 HFOs visuell markiert, während das künstliche neuronale Netzwerk 50606 HFOs detektiert hat. Der Anteil der Überlappenden Markierungen betrug 30,7%. Die Übereinstimmung zwischen automatischen und visuellen Markierungen Anhand des mittleren κ-Wertes war 0,31. Der Vergleich der Verteilungen der Detektionen über die Kanäle war für alle Registrierungen signifikant (min. Korrelation 0,366 (p<0,05), max. Korrelation 0,934 (p<0,001)).

Obwohl der Anteil gemeinsamer Detektionen nur bei 30,7% liegt und der κ-Wert deutlich unterhalb eines Wertes liegt, der eine moderate Übereinstimmung zeigt, detektiert der automatische Detektor dieselben anatomischen Regionen als Generatoren von HFOs, die auch bei der visuellen Auswertung identifiziert worden sind. Daher kann der Einsatz des automatischen Detektors wertvolle Informationen zur Abgrenzung der epileptogenen Zone liefern.