Ontwikkeling van een neonatale EEG-monitor voor geautomatiseerde hersenanalyse

De dienst neonatale intensieve zorg is een gespecialiseerde eenheid voor de intensieve zorg voor ernstig zieke of premature baby’s. Deze eenheid is uitgerust met incubators en verschillende apparatuur aan de bedzijde om de boorlingen gedurende enkele dagen of weken te monitoren en te verzorgen. In het afgelopen decennium werd het elektro-encefalogram (EEG) beschouwd als een belangrijk monitoring systeem op de afdeling neonatale intensieve zorgen. Verschillende soorten ritmes en patronen die zich in de EEG-signalen manifesteren, kunnen verband houden met de hersenontwikkeling, slaapstadia en verschillende hersenafwijkingen zoals epileptische aanvallen. Voor het detecteren van deze patronen, om ze te onderscheiden van artefacten en/of om afwijkingen te diagnosticeren, is speciale expertise vereist, die in vele centra niet permanent aanwezig is. Bovendien is deze analyse erg duur, arbeidsintensief en tijdrovend. Dit heeft tot gevolg dat enkel een beperkt aantal neonaten die dringende opvolging vereisen, ook op die manier gemonitord kan worden. De ontwikkeling van een hersenmonitor die is uitgerust met geautomatiseerde algoritmen en alarmen zal daarom de werklast en kosten verlagen, en de mogelijkheid bieden om meer neonaten gelijktijdig te monitoren.

Om een dergelijke neonatale hersenmonitor te ontwikkelen, richt dit project zich op twee doelstellingen: 1) ontwikkeling van nieuwe algoritmen, of verbetering van bestaande, voor automatische EEG-analyse, 2) praktische implementatie van de algoritmen voor klinisch gebruik. Voor de eerste doelstelling is het onderzoek gericht op het verbeteren van detectie van neonatale aanvallen, evenals de classificatie van neonatale slaapstadia. Hiertoe worden eerst de beschikbare opnamen gekarakteriseerd en de interbeoordelaarsbetrouwbaarheid van verschillende EEG experts onderzocht. Vervolgens wordt een meertraps-aanvalsdetector voorgesteld, die een uitbreiding is van een eerder ontwikkeld heuristisch algoritme. Deze meertraps-detector gebruikt een machinale leertechniek als een post-processor en een nieuwe verzameling kenmerken om aanvallen van artefacten te onderscheiden. Vervolgens wordt een adaptieve leermethode toegevoegd aan de detector om de betrouwbaarheid en nauwkeurigheid van het algoritme te vergroten door het gebruik van een alarmsysteem. Verder worden twee diepe convolutionele neurale netwerken voorgesteld en toegepast om neonatale aanvallen te detecteren en slaapstadia te classificeren. Deze netwerken zijn in staat om de vereiste kenmerken automatisch te leren en kunnen daarom onbewerkte meerkanaals EEG-segmenten classificeren. Bovendien wordt een nieuwe manier voorgesteld voor het meten van de prestaties van algoritmen met een database met meerdere beoordelingen en verschillende graderingen van interbeoordeelaarsbetrouwbaarheid. In dit kader worden 6 veelgebruikte prestatiematen, 3 epoch-gebaseerde en 3 event-gebaseerde maten, uitgebreid met fuzzy logic en getest op de aanvalsdatabase die gelabeld werd door verschillende beoordeelaars. Deze resultaten worden vergeleken met de techniek van meerderheidsstemmen. Ten slotte wordt de aanvalsdatabase, geannoteerd door 4 onafhankelijke EEG-experts, ook aangewend voor de ontwikkeling van een leerplatform.

Voor de tweede doelstelling zullen verscheidene algoritmen, ontwikkeld door verschillende onderzoekers van onze groep, worden geïmplementeerd in een real-time en een cloud gebaseerde monitor. Deze monitors zullen de klinische validatie van de ontwikkelde algoritmen vergemakkelijken. De kern van de real-time monitor bevat verschillende algoritmen die zijn vertaald naar een low-level programmeertaal. Aan de ene kant verbindt het draadloos met een EEG-registratiemachine en aan de andere kant communiceert het met de ontwikkelde grafische gebruikersinterface om de signalen te monitoren en de alarmen te tonen. De cloud gebaseerde monitor bestaat ook uit verschillende modules voor het opladen van de EEG-opnamen, het verwerken en opslaan van de gegevens op de server en het weergeven van de signalen en alarmen op een beveiligd platform op het web. In het cloud gebaseerde systeem kunnen de algoritmen in hun eigen taal worden uitgevoerd, wat de validatie van nieuw ontwikkelde algoritmen in verschillende centra vergemakkelijkt.