Automatische Klassifikation der Hintergrundaktivität bei der epilepsiechirurgischen Elektrokortikographie

Summary

The electroencephalographic analysis of intraoperative ECoG draws the attention to the identification and localisation of transients (i.e. Spike-, Sharp-Wave-activity) on the one side, and search for focal abnormalities of background activity (especially slowing) with mapping procedures on the other. Between these two approaches a time window from 0.2 s for duration of a sharp wave up to 4 s for mapping of spectral density of slow wave activity opens. In between, fast changes of bioelectrically defined brain states take place as in the case of pharmaco-activation and electrical induction of rhythmical activity. We present an approach to bridge the time gap. Short segments of the electrocorticogram are parametrised and grouped to classes of similar EEG-epochs by use of an automatic classifier. This approach is independent of the time course of a single parameter alone, as θ-power or spectral edge frequency. Inherent data compression enables visualisation of minutes to hours of recording on one page of printout/channel, thereby facilitating identification of backgroud variability.

Zusammenfassung

Die EEG-Analyse im Rahmen der prächirurgischen Epilepsiediagnostik richtet ihr Augenmerk einerseits auf die Lokalisation epilepsietypischer Potentiale (i.e. Spike-, Sharp-Wave-Aktivität) z.B. mit Dipol-Modellen, andererseits auf die Suche nach funktionellen Herdbefunden insbesondere mit Verfahren des Mappings der spektralen Leistungsdichte (i.e. [10, 12]). Zwischen diesen Ansätzen eröffnet sich ein Zeitfenster von 0,2 s für die Dauer der Sharp wave bis etwa 4 s für ein Mapping der spektralen Leistungsdichte insbesondere auch möglicher Verlangsamungsherde. In diesem Zeitfenster laufen aber schnelle Änderungen der bioelektrisch definierten Hirnfunktion ab, wie z.B. unter medikamentöser Aktivation und bei elektrischer Induktion rhythmischer Aktivität. Wir setzen ein Verfahren ein [14, 15], welches in der Lage ist, diese Zeitfenster zu überbrücken. Dabei wird die Registrierung segmentiert (2 s Segmentlänge), jeweils einkanalig parametrisiert und automatisch und unüberwacht mit dem Kosinusklassifikator klassenähnlicher Abschnitte zugeordnet. Die erhaltene Klassenzuordnung ist unabhängig von der Ausprägung einzelner das EEG beschreibender Parameter. Die aus diesem Ansatz folgende Datenkompression ermöglicht die Darstellung von vielen Minuten und Stunden Registrierung der durch das Auftreten von Klassenübergängen definierten Hirnfunktion auf einer einzigen (Bildschirm-) Seite und vereinfacht damit eine Bewertung der Variabilität der Hintergrundaktivität für den Befunder.

Key words:

Electrocorticogram - quantitative „Q”EEG - Unsupervised classification - Pharmacological activation - Electrical Stimulation