基于压缩技术的联合熵估计方法在人类皮层脑电图中的癫痫检测应用

《IEEE Transactions on Biomedical Engineering》：Compression-Enabled Joint Entropy Estimation for Seizure Detection on Human Intracortical Electroencephalography

癫痫患者中三分之一需手术干预，传统手动评估EEG存在效率低、主观性强、资源不均等问题。本研究提出基于逆压缩比（ICR）的qEEG新方法，通过计算高维联合熵的上界实现癫痫发作自动检测，在10kHz皮质脑电数据集（30人，420,000+电极小时）中F1达0.80，显著优于常规方法，且无需电极筛选。该方案可提升癫痫评估效率并促进资源公平分配。

　　

摘要：

目标：在全球1%的癫痫患者中，有三分之一患者对药物具有抗药性，他们常常需要寻求外科干预。目前的癫痫治疗方法依赖于癫痫专家的手动评估，而可靠的定量脑电图（qEEG）技术可以加快评估速度，减少评估者之间的差异，并提供更高质量和更公平的护理。方法：我们提出了逆压缩比（ICR），这是一种利用常见压缩算法估计联合熵上限的方法，作为潜在的癫痫发作检测方法。该技术在我们收集的10 kHz皮层内神经生理数据上进行测试，涉及30名参与者（15名成人和15名儿童，总共240多次癫痫发作）。结果：单电极ICR的F1分数为0.80，精确度-召回曲线下面积为0.69，优于传统的qEEG方法。多电极ICR的表现位于前2%，可能无需进行电极选择。结论：ICR可能适用于自动癫痫发作检测；将其集成到临床系统中可能会产生广泛的影响。意义：我们认为这项临床研究分析了迄今为止最大规模的连续多日皮层内神经电生理数据，使用了超过2900小时的记录时间（420,000多个电极小时，数据量达30多TB）。这也是首次在生物学或临床应用中展示基于压缩的多维估计方法。ICR通过非线性假设和参数建模的计算，为高维联合熵这一经典上组合难解决的问题提供了无模型的解决方案；其应用范围可能超越癫痫领域，扩展到其他生物医学信号处理领域。

引言

癫痫是一种常见的神经系统疾病，全球有6500万人受到影响，对健康相关的生活质量产生了显著影响[1]。尽管癫痫患病率很高，但目前的医疗状况仍使大量患者的需求未能得到满足。首先，三分之一的患者对药物具有抗药性，他们通常需要通过手术切除产生癫痫发作的脑区（SOZs）[2]、[3]。其次，癫痫的临床评估标准依赖于癫痫专家对手动脑电图（EEG）的审查。这一过程不仅耗时费力，而且具有高度主观性，导致不同医疗提供者的治疗方案存在差异[4]、[5]。第三，生活在低收入国家的80%的癫痫患者由于无法接触到癫痫专家甚至神经科医生而无法获得标准治疗[6]。新型的、自动化的、可靠的定量EEG（qEEG）方法——即对EEG的数学处理——可以通过为新疗法提供依据、减少医生之间的差异以及降低对专家审查的依赖来更好地服务于这些患者[7]。