近日,我院黄铠教授团队在天然旗下期刊 Scientific Reports 颁发题为“Graph-generative neural network for EEG-based epileptic seizure detection via discovery of dynamic brain functional connectivity”的文章。该工作由来自Z6官网、香港中文大学(丽江)、纽约州立大学、天普大学与中科云推算钻研院的五位作者合作实现,通过人为智能模型,为脑神经疾病的分析与检测作出了沉要贡献。
文章提出一种新的图天生神经网络(GGN)模型,用于刻画动态脑职能衔接强杜纂变动,并用于脑电图(EEG)的多种癫痫发作类型的检测。GGN针仇家皮EEG在分析动态脑职能衔接的时空分辨率较低这一问题提出了新的解决规划,在7种癫痫发病类型检测工作中获得了超过90%的正确率。除了癫痫以表,该工作还可以为神经科学家提供其他神经系统疾病的分析与监测,如阿尔茨海默病和心灵割裂症等脑神经疾病。
论文链接:Li Z, Hwang K, Li K, Wu J, and Ji T. “Graph-generative neural network for EEG-based epileptic seizure detection via discovery of dynamic brain functional connectivity”. Springer Nature - Scientific Reports. Nov 8, 2022. (https://www.nature.com/articles/s41598-022-23656-1)
期刊介绍
Scientific Reports是天然旗下一本盛开获取的JCI Q1期刊。期刊颁发来自天然科学、生理学、医学和工程学各个领域的原创钻研,Scientific Reports是全球第五大被引用期刊,2021年被引用超过696,000次,在政策文件和媒体中受到宽泛关注。该杂志每月约有240万至270万名读者。该期刊在Web of Science、PubMed、PubMedCentral、Scopus、Dimensions、Google Scholar,DOAJ和SAO/NASA ADS中均有索引。
钻研布景
神经系统疾病是全球汇报的导致残疾的重要原因之一,是一个严沉的医疗问题,火急必要有效的解决规划和医治打算。全球有5000万人存在周期性癫痫发作,8000万人面对阿尔茨海默氏。ˋD)引起的痴呆问题,超过2500万人患有心灵割裂症。这些疾病影响了患者的生涯与工作,造成感情抑郁、身段残疾,甚至引发殒命。这些神经系统疾病与大脑复杂的职能衔接有关,可通过甚皮脑EEG信号进行检测和分析。表1展示了2022年全球重要脑神经阻碍疾病的情况。全世界有1.65亿人正遭逢着脑神经阻碍疾病的困扰,约占全球总人丁的2.1%。
表1. 全球重要脑神经阻碍疾病一览
该工作重要聚焦于基于头皮EEG的癫痫疾病诊断。传统的信号处置步骤和经典的神经网络模型,如RNN、CNN、GNN和transformer等,通过将EEG信号作为功夫序列数据或多通路图像,证了然其在癫痫发作检测和分类中的巨大潜力。然而,这些模型不及以提取EEG信号的动态空间信息,而动态空间信息对于表征暗藏在脑叶分歧区域的大脑职能衔接问题的瞬态个性至关沉要。
为相识决以上问题,作者提出了一种基于概率的图天生步骤,利用对分类工作的监督过程来进建分歧时刻脑职能衔接的强度,并利用把稳力机造来提高脑职能图天生的正确性。模型通过深刻分析从患者头皮分歧区域纪录的EEG信号动态捕获,天生大脑职能衔接图,用于提取多种癫痫发作模式的时空信息。
钻研内容
钻研团队在3047例癫痫发作病例的真实临床数据中进行了尝试(如图1所示)。利用EEG信号的时空信息,该框架重要有两个指标: 1.对癫痫发病的7种类型进行检测分类;2.刻画动态脑职能衔接图的强度和变动。
图1.基于头皮EEG的癫痫预测框架。提取时空信息进行癫痫发病类型预测和动态脑职能衔接图天生。7种发病类型蕴含:FN,GN,SP,CP,AB,TN,TC。GGN可能预测幼功夫窗口下的动态脑职能衔接图
图2展示了GGN模型在第一个指标(7种癫痫分类)上和其它主流模型(SVM,CNN,GNN,Tranformer)的机能对比D芄幌灾闯,GGN达到了91%的正确率,远高于CNN(65%)、GNN(74%)和Transformer模型(82%)的正确率。在图2左边能够看出,GGN在7种癫痫分类预测上的ROC-AUC曲线,都超过95%的正确率,其中,AB与TN达到了100%的成效。
图 2. 五种机械进建与深度进建模型的机能对比:SVM (Support Vector Machine), CCN(Convolutional Neural Network), Transformer,与 GGN(Graph-Generative Neural Network)
除了检测或分类工作,大脑职能衔接多年来一向是极度热点的钻研课题。在极度幼的功夫窗口内揭示正确的脑职能衔接图对于模拟与神经系统疾病有关的大脑活动至关沉要。只管fMRI能够检测到衔接的变动,但仅通过低成本无创的头皮脑电图来探索癫痫患者大脑活动的性质机造依然是一个悬而未决的问题。
GGN 通过捕获空间和功夫特点,获取高分辨率动态职能衔接图。如图3所示,作者对比了利用MIC得到的20个通路EEG信号的关联图(左边方形)和基于概率天生的脑职能图(右边圆形),验证了基于概率的天生图的合理性。分歧色彩和衔接边缘宽度代表了四个脑叶之间正常和异常职能衔接的强度。图3第一行中,即FN患者发作期间,显露出终部门强关联性,这与临床上的诊断了局一致。图3第二行展示了GN患者在发病期间的大面积脑电信号的异常,全局都有较强的关联性,也吻合临床和其它钻研的了局。
图3.癫痫FN患者和GN患者发病信号分歧的Association Maps和GGN天生的动态脑职能衔接图对比
GGN能够检测癫痫发作分歧阶段职能衔接的转变。作者将这种动态连通性称为时空连通性。与Pearson correlation或MIC等关联图只能在固定的大功夫窗口内检测线性有关关系相比,GGN通过使用幼功夫窗口能够更正确地检测。图4展示了GGN检测到的一名FN患者病情发作时的动态脑职能衔接图,其中爆提议头于31秒,实现于128秒。图4b显示了在四个主瓣中着色的20个电极的Gamma波段中的频率动态。在发作期间,天生的脑职能衔接图反映终部门链接强度的变动。
图4.FN癫痫患者EEG信号在4个幼功夫窗口(5秒)上天生的动态脑职能衔接图;颊咴诘1窗口正常,第2窗口癫痫起头,第3窗口病情进入顶峰,第4窗口病情复原沉静。
钻研结论
该钻研了局为脑科专家提供了一个机械进建框架,以自动化地精确鉴别癫痫发作的多种类型。这种基于人为智能的步骤能够加强神经学临床诊断,提高正确性。由于较快的推理速度,训练后的模型还能够嵌入到AI芯片中,以提供临床的实时辅助诊断。其次,作者提出的图天生神经网络步骤为揭示大脑职能衔接异常提供了一种新工具。同时,提出的图天生步骤能够加强其他神经网络,如CNN,GNN和Transformer等的时空特点提取能力。
最后,该工作能够被神经科学家利用于钻研其他神经系统疾病中大脑职能衔接的分析,如阿尔茨海默病和心灵割裂症等。无侵入式的头皮EEG的低分辨率会故障对这些疾病中脑职能衔接的正确分析,而使用论文中所提出的图天生步骤令有助于正确发现拥有幼观察窗口的职能连通性,为脑科学家提供了一种全新的分析工具,以降低使用颅内电极EEG的昂贵用度以及侵入式的侵害风险。
作者简介
本文第一作者李政路是香港中文大学(丽江)理工学院博士生,师从黄铠教授。他在北京邮电大学信息与通讯工程学院获得电子与通讯工程学士和硕士学位,之后在北京百度公司从事大数据和云推算工作,任高级工程师,曾获得百度云推算之星奖、沉大突破奖。他的重要钻研方向为图机械进建,散布式云推算和大数据利用系统。博士论文专一于图机械进建及其在交通、医疗等方向的利用。
本文通讯作者黄铠教授,伯克利加州大学推算机科学博士;祁淌谠诿拦霞哟笥肫斩纱笱谓潭嗄,2018年参与香港中文大学(丽江)担任校长讲座教授,兼任Z6官网高机能智能推算中心主任。他在推算机结构、并行处置、云推算与物联网方面著述等身,桃李满全国。被评比入全球2%顶级科学家。他颁发了10部专著,以及300多篇学术论文,被Google Scholar引用超过23300次。2005年获中国推算机学会CCF首届海表卓越贡献奖,2012年获世界云推算大会(CloudCom)平天生就奖。2019年获全球华人影响力盛典宣告的建国70年科技创新成就奖,2020年团队获得吴文俊人为智能天然科学奖。
本文其他作者蕴含李克勤教授,他是纽约州立大学(SUNY)讲席教授、欧洲科学院院士、IEEE Fellow、AAIA Fellow。李教授于1985年获得清华大学推算机科学学士学位,1990年于休斯敦大学获得推算机科学博士学位。2010年获得SUNY卓越教授焦芈。李克勤教授在多个期刊和会议获得最佳论文奖,蕴含PDPTA 1996、NAECON 1997、IPDPS 2000、ISPA 2016、NPC 2019、ISPA 2019、CPSCom 2022。他被斯坦福大学列为世界前2%科学家。
本文其他作者蕴含吴杰教授,他目前在天普大学(Temple University)推算机与信息科学系任 Laura H. Carnell讲席教授。他是AAAS Fellow、 IEEE Fellow。吴杰教授曾于2011年获得CCF海表卓越贡献奖,也曾获得多个最佳论文奖,蕴含MASS2016、IWQoS 2016等。他曾主持IEEE Technical Committee on Distributed Processing与很多国际会议,蕴含IEEE IPDPS’08、IEEE DCOSS’09、IEEE ICDCS’13、ACM MobiHoc’14、ICPP’16、IEEE CNS’16、WiOpt’21、ICDCN’22。
本文其他作者蕴含季统凯,他是香港中文大学(丽江)兼职教授,中科云推算中心主任,广东电子工业钻研院院长、国云科技股份有限公司董事长。他曾获得2010年度中国产学研合作创新奖、中国科学院院地合作奖先进幼我一等奖。2011年中国科学院授权他在松山湖国度高新区组建全院唯一的云推算中心。他辅导团队自主开发云操作系统(G-CLOUD)。季教授在国内表沉要会议及期刊上颁发论文40多篇,携带团队申请发现专利500多项,申请国际发现专利(PCT)近20项。他参加黄铠教授的钻研团队,于2020年获得吴文俊人为智能天然科学奖。
