Algoritmo di rilevazione degli spindles

Le registrazioni EEG ad alta densità sono state eseguite usando un amplificatore Net Amps 300 (GSN300; Electrical Geodesic Inc., Inc., Eugene, OR, USA) e cuffie HydroCel Geodesic; il sistema comprende 128 elettrodi uniformemente distribuiti sullo scalpo. I dati sono stati acquisiti con una frequenza di campionamento di 500 Hz, una risoluzione di 24 bit, una precisione di 70 nV/bit e i segnali sono stati filtrati con una banda passante tra 0.01-500 Hz. L’elettrodo corrispondente al Vertex (CZ nel sistema di riferimento internazionale 10/20) è stato adottato come referenza di registrazione online. I valori di impedenza degli elettrodi sono stati mantenuti al di sotto dei 50 kOhm. Tutti i segnali sono stati registrati e visualizzati durante il sonno usando il software Net Station, versione 4.4.2 (Electrical Geodesic Inc., Inc., Eugene, OR, USA).

71

Elaborazione dei dati

Dopo l’acquisizione, i dati EEG grezzi sono stati importati e analizzati in Matlab (MathWorks, USA). Tutte le mappe sono state ottenute mediante la toolbox EEGLAB. Durante l’analisi i dati EEG grezzi sono stati successivamente re-referenziati al potenziale medio valutato sugli elettrodi mastoidi, allo scopo di ottenere potenziali di tipo monopolare.

Analisi dei dati

Gli stadi di sonno (veglia, N1, N2, N3, REM) sono stati valutati in fase di analisi, basandosi sui criteri del AASM, tramite analisi visiva e spettrale di epoche di tracciato di 30 secondi. Le epoche contaminate da artefatti di natura non elettrofisiologica sono state eliminate dall’analisi. In ogni epoca priva di artefatti sono stati rilevati canali molto rumorosi usando una tecnica basata sull’analisi delle componenti principali (PCA). I canali rumorosi non sono stati considerati nell’analisi dell’epoca nella quale sono stati rilevati. Nelle epoche appartenenti agli stadi N2 ed N3 è stata effettuata la rilevazione automatica degli spindles, utilizzando i criteri di seguito riportati.

Filtraggio del segnale

L’algoritmo sviluppato nell’ambito del presente lavoro di tesi prende spunto dai lavori di Ferrarelli e Andrillon (Fabio Ferrarelli, 2007) (Thomas Andrillon, 2011) e si articola in varie fasi.

Per prima cosa vengono analizzati soltanto 105/128 canali, escludendo quelli non direttamente legati ad attività EEG (per esempio 1, 8, 14, 17 ecc…), che sono impiegati nell’EEG ad alta densità per il rilevamento dell’attività muscolare, in particolare i movimenti degli occhi e la mimica faciale.

Le registrazioni sono disponibili suddivise in segmenti temporali di circa 6 minuti ciascuno, le “epoche”.

72

Come operazione preliminare, per ciascuna epoca EEG sono stati calcolati sia il segnale filtrato in banda [12-15.5] Hz che quello in banda [70-90] Hz.

I filtri vengono realizzati con un filtro Chebyshev caratterizzato dai seguenti parametri:

 Banda sigma: Fstop2= 10; Fpass2= 12; Fpass22= 15.5; Fstop22= 17.5; Astop2= 25; Astop22= 35;

 Banda gamma: Fstop3= 65; Fpass3= 70; Fpass23= 90; Fstop23= 95; Astop3= 25; Astop23= 35;

Entrambi sono quindi stati sottoposti a stima dell’inviluppo mediante il modulo della relativa trasformata di Hilbert.

Figura 6-1: Segnale EEG prelevato da un singolo canale e filtrato in banda [0.5-40 Hz] , e sotto lo stesso segnale filtrato in banda [12-15,5 Hz] con sovrapposto l’inviluppo (in rosso).

Il fatto di utilizzare l’inviluppo deriva dall’idea di impostare una soglia di ampiezza non sul segnale raw bensì sulla sua ampiezza istantanea, l’inviluppo appunto, in modo da selezionare gli spindles candidati sulla base della loro potenza.

73

Calcolo ampiezze medie

In un secondo momento, su ciascuno dei due segnali filtrati si isolano prima di tutto le fasi N2 ed N3 del sonno libere da artefatti, perché è qui che verrà effettuata la ricerca.

Poi, utilizzando gli inviluppi calcolati precedentemente, su ciascun canale viene calcolato il valore di ampiezza istantanea media. Questo valore medio, relativo al singolo canale, viene poi mediato ulteriormente con i valori medi calcolati sugli altri canali, e la media finale sarà utilizzato nei passaggi successivi per la determinazione del valore di soglia.

Thresholding e rilevazione

L’algoritmo sviluppato utilizza queste medie come soglie T (T_sigma e T_gamma, per il segnale filtrato in banda sigma e in banda gamma, rispettivamente) per selezionare gli spindles sulla base della forma, impostando un’ampiezza pari a 4T come soglia superiore e un’altra pari a T come soglia inferiore.

Le soglie sono state validate facendo riferimento alla rilevazione standard effettuata con tecnica di lettura manuale effettuata da uno specialista.

Si effettua una sogliatura sul segnale di inviluppo e si marca come potenziale centro di uno spindle il massimo locale di ampiezza superiore alla soglia superiore, per poi estendere l’analisi a destra e sinistra del punto centrale rilevato per marcare quei campioni in cui si ha la transizione del segnale da sotto a sopra la soglia inferiore.

Sapendo che la durata massima di uno spindle è circa 2 secondi, si vuole inoltre limitare la possibile distanza di questi markers dal punto centrale; per questo motivo, viene posto il vincolo che essi cadano entro una certa finestra, la cui larghezza complessiva è definita come Fs+400 (Fs+200 a sinistra e Fs+200 a destra), una quantità che tiene conto quindi della durata tipica dello spindle più una certa tolleranza.

74

Un altro accorgimento che viene preso per evitare di marcare falsi spindles è quello di eliminare quelle detezioni che risultano avere il marker di inizio o di fine esattamente sul punto di larghezza impostata, perché significa che non si tratta di un reale start/end bensì di un risultato artificioso creato dal codice.

Figura 6-2: In figura (a), nel segnale raw, si può vedere chiaramante la presenza di uno spindle, che viene confermata dalla sottostante analisi dell’inviluppo (b).

La ricerca degli spindles viene effettuata non soltanto sul segnale filtrato in banda sigma ma anche su quello filtrato in banda gamma; questo al fine di marcare in maniera differente gli eventi per i quali l’aumento di potenza avviene nella specifica banda spindle e quelli per i quali invece abbiamo un aumento di potenza più diffuso (spindle broadband). E’ il caso per esempio dello spindle riportato in figura sottostante.

75

Figura 6-3 : (a) Segnale in banda [0.5-40 Hz] , (b) Segnale in banda [12-15.4 Hz], (c) Segnale in banda [70-90 Hz] Alla fine dell’analisi, il risultato dei riconoscimenti spindles è stato organizzato in una struttura chiamata “Nome_soggetto_spindle_(tempo_inizio)” che per ciascuna singola epoca EEG è composta di 105 celle con una struttura per ogni cella, ovvero per ogni canale, con i seguenti vettori ordinati:

spindle(ch).ini  campioni di start spindle spindle(ch).end  campioni di end spindle spindle(ch).peak  campioni di picco spindle spindle(ch).Apeak  ampiezza di picco spindle spindle(ch).len  lunghezza spindle

spindle(ch).bb  flag 0 se spindle sigma, 1 se broadband

spindle(ch).gamma_peak  NaN se spindle sigma, ampiezza spindle in banda gamma se broadband

76

6.2 Protocollo sperimentale