Time-Scale Based Detection of Interictal Paroxystic Events in Electroencephalography
Détection Temps-Échelle D'Événements Paroxystiques Intercritiques en Électroencéphalogramme
OPEN ACCESS
The electroencephalographic signals recorded from surface and depth electrodes are, in epilepsy, the basic elements for the spatiotemporal analysis ofparoxystic processes. These signals can be characterized in the interictal periods by fast discharges that must be detected. These non predictable transients are superposed to a background activity which is itself a complex mixture of signals. This paper describes a detector based on Wavelet Transform whose aim is to detect theses events. A two stage structure is proposed : the first level carries out the detection of all the transients (including the artifacts) ; the second level achieves the discrimination between the events of interest and the artifactual waveforms . The decision criteria associated to the stages of the detector are reported and their adaptive fitting is emphasized. The resulting performances are evaluated on simulated and real data and they are compared to another detection scheme which has been recently proposed.
Résumé
Les signaux électro-encéphalographiques observés à partir de capteurs de surface et de profondeur sont, en épilepsie, les éléments fondamentaux de toute analyse spatio-temporelle des processus paroxystiques. Ceux-ci se caractérisent dans les périodes inter-critiques par des décharges rapides qu'il est important de détecter. Ces décharges correspondent à des signaux transitoires non prédictibles qui se superposent à une activité de fond pouvant elle même être un mélange très complexe. Cet article propose un détecteur, basé sur une Transformée en Ondelettes, dont l'objectif est de mettre en évidence ces transitoires. Il comporte deux niveaux :le premier cherche à détecter tous les transitoires (artefacts inclus) ; le second a pour rôle de séparer au mieux les événements utiles des impulsions transitoires parasites. Une large place est laissée à la description du réglage adaptatif des seuils de décision associés à chacun des étages du détecteur. Les performances sont évaluées et comparées, sur signaux synthétiques et réels, à un détecteur proposé récemment dans la littérature.
Detection, Decision structure, Wavelet transforms, False alarm probability, EEG signals.
Mots clés
Détection, Structure de décision, Transformée en ondelettes, Probabilité de fausse alarme, EEG.
[1] P. Chauvel, P. Buser, J.M. Badier, C. Liegois-Chauvel, P. Marquis, J. Bancaud, « La « zone épileptogène » chez l'Homme: représentation des événements intercritiques parcartes spatio-temporelles », Rev. Neurol., 1987, pp. 443450.
[2] A. Gevins, J. Blackburn, M. Debon, « Very accurate computer recognition of three per second generalized spike-and-wave discharges », J.A. WADA and J.K. PENRY (Eds), Advances in Epileptology : The Xth Epilepsy Int. Sym. Raven Press, New York, 1980, pp. 121-128.
[3] J. Gotman, P. Gloor, « Automatic recognition and quantification of interictal epileptic activity in the human scalp EEG », Electroenceph. Clin. Neurophysiol., Vol. 41, 1976, pp. 513-529.
[4] J. Qian, J.S. Barlow, M.P. Beddoes, « A simplified arithmetic detector for EEG sharp transients-Preliminary results », IEEETrans. BME., Vol. 35, 1988, pp. 11-17.
[5] J. Gotman, L.Y. Wang, « State-dependent spike detection : concepts and preliminary results », Electroenceph. Clin. Neurophysiol., Vol. 79, 1991, pp. 11-19.
[6] A.A. Dingle, R.D. Jones, G.J. Carroll, W.R. Fright, « A multistage system to detect epileptiform activity in the EEG >>, IEEE. Trans. BME., Vol.40, 1993, pp. 1260-1268.
[7] E. Niedermeyer, F.L. Da Silva, « Electroencephalography : basic principles, clinical applications and related fields », Second edition Urban&Schwarzenberg Edt., Baltimore-Munich 1987.
[8] S.V. Narasimhan, « Pole-zero spectral modeling of EEG >>, Signal Processing, Vol. 18, 1989, pp. 17-32.
[9] R.J. Glover, N. Raghavam, P.Y. Ktonas, J.D. Frost, « Context-based automated detection of epileptogene sharp transient in the EEG : elimination of false positives », IEEE Trans.BME., Vol. 36, 1989, pp. 519-527.
[10] B.H. Jansen, B.M. Dawant, « Knowledge-based approach to sleep EEG analysis-A feasibility study », IEEETrans.BME.,Vol.36, 1989, pp. 510518.
[11] S. Kadambe, G.F. Boudreaux-Bartels, « Application of the wavelet transform for pitch detection of speech signals », IEEE Trans. Information Theory, Vol. 38, 1992, pp. 917-924.
[12] C. Doncarli, L. Goerig, F. Auger, « Detection of late potentials in ECG by means of adaptive smoother and wavelet transforms », Proceedings EUSIPCO, Barcelona, Spain, 1990, pp. 437-440.
[13] O. Meste, H. Rix, R. Jane, P. Caminal, N.V. Thakor, «Ventricular late potentials characterization in time-frequency domain by means of wavelet transform », IEEETrans. BME., Vol. 41, 1994, pp. 625-633.
[14] M. Frisch, H. Messer, « The use of wavelet transform in the detection of an unknown transient signal », IEEE Trans. Information. Theory, Vol . 38, 1992, pp. 892-897.
[15] B. Friedlander, B. Porat, « Adaptive detection of transient signals », IEEE Trans.ASSP,Vol. 34, 1986, pp. 1410-1418.
[16] B. Friedlander, B. Porat, « Performance analysis of transient detectors based on a class of linear data transforms », IEEE Trans. Information Theory, Vol. 38, 1992, pp. 665-673.
[17] L. Senhadji, G. Carrault, J.J. Bellanger, J.P. Vignial, « Multiscale EEG mapping of epileptic events », Proceedings IEEE EMBS, 1991, pp. 439440.
[18] P .Y .Arquès, «Décisionentraitementdu signal », Collection CNET/ENST, Ed. Masson, 1979.
[19] R.K. Martinet, J. Morlet, A.Grossmann,« Analysis of sound patterns through wavelet transform », Jou. Pat. Recog. and Art. Intel ., Vol . 1, 1987, pp. 273301.
[20] L. Senhadji , «Approche multirésolution pour l'analyse des signaux non stationnaires», ThèsedeDoctoratdel'Université deRennesI, Fev. 1993.
[21] I. Daubechies, « Orthonormal bases of compactly supported wavelets », Com. Pure Appl. Math., Vol .41, 1988, pp.909-996.
[22] S.G. Mallat, S. Zhong, « Characterization of signals from multiscale edges », IEEE. Trans.PAML,Vol . 14, 1992, pp. 710-732.
[23] J.S. Bendat, A.L. Piersol, « Random data : Analysis and Measurement Procedures », Wiley-InterScience, 1971 .
[24] S.L. Marpel, « Digital spectral analysis with applications », Prentice hall, A.V. Oppenheim, Series Editor 1987.
[25] H. Ventsel, « Théorie des probabilités », EditionMIRMoscou, 1973.
[26] J. Gotman, « Automatic recognition of interictal spikes », J. GOTMAN, R.J. IVES, P. GLOOR (Eds. ), Long-term monitoring in epilepsy, Electroenceph. Clin.Neurophysiol., Suppl 37, Elsevier Amsterdam, 1985, pp. 93-114.
[27] M.V. Wickerhauser, « INRIA Lectures on wavelet packet algorithms », Numerical Algorithms Research Group, Department of Mathematics, Yale University, New Haven, Connecticut 1991.