長期EEG信号におけるハイブリッドパイプラインSWD検出
なぜ重要か: 企業や社会への影響が見込まれ、一般メディアにも波及する可能性があります。
arXiv:2509.19387v1発表形式：クロス
要旨：棘波・徐波放電（SWD）は失神てんかんの脳波学的特徴であるが、複数日間の記録における手動による同定は、依然として労力と時間を要し、誤りやすい。本研究では、長期単極脳波における正確な患者特異的SWD検出のため、解析的特徴と浅層人工ニューラルネットワーク（ANN）を組み合わせた軽量ハイブリッドパイプラインを提案する。まず、両側移動平均（MA）フィルタを用いて、正常な背景活動の高周波成分を除去する。その後、残留信号の正規分布に従うサンプルの平均と標準偏差を要約することで、20秒ごとのウィンドウ毎にコンパクトな二次元特徴ベクトルを作成する。これらの特徴量は、逆伝播法で学習された単一隠れ層ANNに入力され、各ウィンドウをSWDまたは非SWDとして分類する。この手法は、12人の患者からサンプリングレート256 Hzで取得された780チャネルのデータ（392件の注釈付きSWDイベントを含む）を用いて評価された。その結果、384件のイベントを正しく検出し（感度：98％）、特異度96.2％、全体精度97.2％を達成した。特徴抽出が解析的であり、分類器が小型であるため、このパイプラインはリアルタイムで動作し、手動による閾値調整を必要としない。これらの結果は、正規分布記述子と小型ANNを組み合わせることで、長期脳波記録におけるSWDスクリーニングのための効果的で計算コストの低いソリューションが提供されることを示している。
原文（英語）を表示
Title (EN): Hybrid Pipeline SWD Detection in Long-Term EEG Signals
arXiv:2509.19387v1 Announce Type: cross
Abstract: Spike-and-wave discharges (SWDs) are the electroencephalographic hallmark of absence epilepsy, yet their manual identification in multi-day recordings remains labour-intensive and error-prone. We present a lightweight hybrid pipeline that couples analytical features with a shallow artificial neural network (ANN) for accurate, patient-specific SWD detection in long-term, monopolar EEG. A two-sided moving-average (MA) filter first suppresses the high-frequency components of normal background activity. The residual signal is then summarised by the mean and the standard deviation of its normally distributed samples, yielding a compact, two-dimensional feature vector for every 20s window. These features are fed to a single-hidden-layer ANN trained via back-propagation to classify each window as SWD or non-SWD. The method was evaluated on 780 channels sampled at 256 Hz from 12 patients, comprising 392 annotated SWD events. It correctly detected 384 events (sensitivity: 98%) while achieving a specificity of 96.2 % and an overall accuracy of 97.2%. Because feature extraction is analytic, and the classifier is small, the pipeline runs in real-time and requires no manual threshold tuning. These results indicate that normal-distribution descriptors combined with a modest ANN provide an effective and computationally inexpensive solution for automated SWD screening in extended EEG recordings.
Published: 2025-09-24 19:00 UTC