{Indu Ayappa David M. Rapoport Ricardo S.Osorio Ivan W. Selesnick Ankit Parekha Andrew W. Vargad}

摘要

背景：自动化单通道纺锤波检测方法在人类睡眠脑电图（EEG）分析中，无法感知其他记录通道中存在的纺锤波，这与人类专家通过视觉标注时能够综合多通道信息进行判断的行为存在显著差异。新方法：本文提出一种多通道纺锤波检测方法，旨在识别人类睡眠EEG中的全局性与局部性纺锤波活动。基于一种非线性信号模型，该模型假设输入EEG信号由瞬态成分与振荡成分之和构成，我们进一步提出一种多通道瞬态分离算法。该算法假设多通道振荡成分在连续重叠的时间段内具有低秩特性，而瞬态成分则被建模为分段常数且基线为零。随后，利用估计得到的振荡成分，结合带通滤波器与Teager算子，实现睡眠纺锤波的检测。结果与现有方法对比：所提出的方法在两个公开可用的数据集上进行了验证，并与7种现有的单通道自动化检测方法进行了比较。在两个数据集中，该方法的F1得分平均分别为0.66（标准差0.02）和0.62（标准差0.06）。对于一整晚的6通道EEG信号，该算法仅需约4分钟即可在所有通道上同步完成纺锤波检测，且仅需一组统一的算法参数设置。结论：本方法旨在模拟并利用人类专家在判断纺锤波事件时的一种特定行为——即其判断可能在潜意识中受到除中央通道外其他通道中纺锤波存在的影响。通过整合多通道信息，该方法在提升纺锤波检测准确性方面展现出潜力，更贴近人类专家的综合判断机制。