Towards an Automated Portable Electroencephalography-based System for Alzheimer’s Disease Diagnosis.

Cassani Gonzalez, Raymundo (2018). Towards an Automated Portable Electroencephalography-based System for Alzheimer’s Disease Diagnosis. Thèse. Québec, Université du Québec, Institut national de la recherche scientifique, Doctorat en télécommunications, 197 p.

Prévisualisation

PDF Télécharger (15MB) | Prévisualisation

Résumé

La maladie d’Alzheimer (MA) est une maladie neurodégénérative terminale qui représente près de 70% des cas de démence. L’incidence mondiale de la démence devrait atteindre 75 millions d’individus d’ici 2030, dont la majorité des personnes atteintes viendraient de pays à revenus faibles ou moyens. Bien qu’il n’y ait pas de traitement curatif pour la MA, un diagnostic précoce peut améliorer la qualité de vie des patients atteints de la MA et de leurs soignants. Actuellement, le diagnostic de la MA est effectué à l’aide de tests d’évaluation de l’état mental, d’examens de neuroimagerie coûteux et de tests de laboratoire invasifs, ce qui rend le diagnostic long et onéreux. Toutefois, l’électroencéphalographie (EEG), en particulier l’EEG à l’état de repos (rsEEG), est apparue au cours de la dernière décennie comme une technique alternative pour le diagnostic de la MA offrant des précisions comparables à celles d’outils de neuroimagerie plus coûteux, tels la tomodensitométrie et la tomographie par émission de positrons. Cependant, l’utilisation de la rsEEG pour le diagnostic de la MA présente deux inconvénients majeurs: (i) la dépendance à des segments «sans artefacts», sélectionnés manuellement et méticuleusement par des cliniciens experts, et (ii) le besoin d’appareils EEG de qualité médicale et convenant à la recherche comportant souvent plus de 16 électrodes, ce qui les rend difficiles à transporter et coûteux, en particulier pour les pays à revenus faibles ou intermédiaires. Dans cette thèse de doctorat, nous présentons les étapes vers le développement d’un système automatisé basé sur la rsEEG portable et peu coûteux pour le diagnostic de la maladie d’Alzheimer. Pour atteindre cet objectif, trois innovations principales ont été développées. Premièrement, nous avons exploré les effets de plusieurs méthodes de manipulation automatisée des artefacts (MAA) sur les signaux rsEEG et nous avons étudié leurs avantages et désavantages pour le diagnostic automatisé de la MA. Les résultats de cette exploration ont montré que le diagnostic de la MA basé sur les signaux rsEEG améliorés par les méthodes de MAA est comparable à la performance obtenue avec les données EEG «sans artefact», suggérant que l’intervention humaine experte et l’élimination des segments d’EEG (dûes aux artefacts) peuvent être évités. Deuxièmement, nous avons évalué et comparé l’utilisation de dispositifs EEG à densité basse (7 canaux) pour les protocoles expérimentaux à yeux ouverts et à yeux fermés en rsEEG pour le diagnostic de la MA. Leur performance a été comparée à celle d’un système à densité moyenne (20 canaux), qui était en général considérablement plus élevée que les configurations à densité basse. Enfin, nous avons montré que les traits caractéristiques conventionnels proposés dans la littérature ne sont pas seulement sensibles aux artefacts, mais reposent sur des informations extraites de bandes de fréquences EEG qui ne sont pas optimales pour le diagnostic de la MA. De ce fait, nous avons proposé un nouvel ensemble de traits caractéristiques basé sur l’approche par spectrogramme de modulation. Les expériences ont montré que les traits caractéristiques proposés étaient robustes aux artefacts, évitant ainsi le recours aux algorithmes de MAA, tout en fournissant des informations plus précises pour le diagnostic de la MA, et potentiellement pour la surveillance de la progression de la maladie. Ces nouveaux avantages sont inestimables pour le développement d’appareils portables à bas coût et il est à espérer que les idées présentées ici pourront être utilisées pour améliorer la qualité de vie des personnes atteintes de la MA, de leurs familles et de leurs soignants.

Alzheimer’s disease (AD) is a neurodegenerative terminal disorder that accounts for nearly 70% of dementia cases worldwide. Global dementia incidence is projected to 75 million cases by 2030, with the majority of the affected individuals coming from low- and medium- income countries. Although there is no cure for AD, early diagnosis can improve the quality of life of AD patients and their caregivers. Currently, AD diagnosis is carried out using mental status examinations, expensive neuroimaging scans, and invasive laboratory tests, all of which render the diagnosis time-consuming and costly. Notwithstanding, over the last decade electroencephalography (EEG), specifically resting-state EEG (rsEEG), has emerged as an alternative technique for AD diagnosis with accuracies inline with those obtained with more expensive neuroimaging tools, such as magnetic resonance imaging (MRI), computed tomography (CT) and positron emission tomography (PET). However the use of rsEEG for AD diagnosis presents two major disadvantages: (i) the reliance on“artifactfree’’ segments, which are manually and meticulously selected by expert clinicians, and (ii) the need for research- and medical-grade EEG devices often with 16+ electrodes, thus making them hard to transport and expensive to fund, specially for low- and middle-income countries. In this doctoral thesis, we present the steps towards the development of an automated portable and low-cost rsEEG-based system for AD diagnosis. To achieve this goal, three main innovations have been developed. First, we explored the effects of several fully automated artifact handling (AAH) methods on rsEEG signals and reported their advantages and disadvantages for automated AD diagnosis. The outcome of this exploration showed the AD diagnosis based on AAH-enhanced rsEEG signals is inline with the performance obtained with “artifact-free” EEG data, suggesting that expert human intervention and the discard of EEG data (due to artifacts) can be avoided. Secondly, we evaluated and compared the use of lower-density (7-channel) EEG devices for rsEEG eyes-open and eyes-closed experimental protocols for AD diagnosis. By comparing the diagnosis performance obtained with the low-density EEG devices to the one obtained with a typical medium-density (20-channel) system, we found that the reduction of channels diminishes the classification performance. Lastly, we showed that conventional features proposed in the literature are not only sensitive to artifacts, but rely on information extracted from EEG frequency subbands that are suboptimal for AD diagnosis. As such, we proposed a new set of features based on the modulation spectrogram approach. Experiments showed the proposed features being robust to artifacts, thus bypassing the need for AAH algorithms, as well as providing more discriminatory information not only for AD diagnosis, but also for disease progression monitoring. These new benefits are invaluable for the development of low-cost portable devices and it is hoped that the insights presented herein can be used to improve the quality-of-life of individuals living with AD, their families, and caregivers.

La enfermedad de Alzheimer (EA) es una enfermedad terminal neurodegenerativo que representa casi el 70% de los casos de demencia en todo el mundo. La incidencia de demencia global se calcula en 75 millones de casos para el año 2030, con la mayoría de las personas afectadas provenientes de países de bajo y medio ingreso. Aunque no existe una cura para la EA, un diagnóstico temprano puede mejorar la calidad de vida de los pacientes con Alzheimer y las personas que los cuidan. Actualmente, el diagnóstico de la EA se lleva a cabo mediante exámenes de estado mental, estudios costosos de neuroimagen y pruebas de laboratorio que son invasivas, todo lo anterior hace que el diagnóstico lleve mucho tiempo y sea costoso. No obstante, en la última década la electroencefalografía (EEG), específicamente el EEG en reposo (rsEEG), ha sido considerada como una técnica alternativa para el diagnóstico de la EA con la cual se pueden obtener una exactitud similar a las obtenidas con técnicas de neuroimagen más costosas, como la resonancia magnética (MRI), tomografía computarizada (TC) y tomografía por emisión de positrones (PET). Sin embargo, el uso de rsEEG para el diagnóstico de la EA presenta dos desventajas principales: (i) la dependencia en segmentos “sin artefactos”, que son seleccionados manual y meticulosamente por médicos expertos y (ii) la necesidad de dispositivos EEG de grado médico y de investigación, a menudo con más de 16 electrodos, aspecto que los hace difíciles de transportar y costosos de financiar, especialmente para los países de bajo y mediano ingreso. En esta tesis doctoral, presentamos los pasos hacia el desarrollo de un sistema automatizado portátil y de bajo costo basado en rsEEG para el diagnóstico de la EA. Para alcanzar este objetivo, se han desarrollado tres principales innovaciones. Primero, exploramos los efectos de varios métodos de manipulación (totalmente) automatizada de artefactos (MAA) en las señales de rsEEG y reportamos sus ventajas y desventajas de su uso en el diagnóstico automático de la EA. El resultado de esta exploración mostró que el diagnóstico de EA basado en señales de rsEEG mejoradas con MMA está en línea con el rendimiento obtenido con datos de EEG “sin artefactos”, lo cual sugiere que se pueden evitar la intervención de humanos expertos y el desecho de señales de EEG (con artefactos). En segundo lugar, evaluamos y comparamos el uso de dispositivos de EEG de baja densidad (7 canales) para los protocolos experimentales de ojos abiertos y ojos cerrados en rsEEG para el diagnóstico de la EA. Su desempeño se comparó con el de un sistema típico de densidad media (20 canales). Por último, demostramos que las características convencionales de EEG propuestas en la literatura no solo son sensibles a artefactos, sino que, se basan en información extraída de subbandas de frecuencia de EEG que son subóptimas para el diagnóstico de la EA. Como tal, propusimos un nuevo conjunto de características de EEG basadas en la técnica del espectrograma de modulación. Los experimentos mostraron que las características propuestas son robustas a artefactos, evitando así la necesidad de algoritmos de MAA, también proporcionan información más discriminatoria no solo para el diagnóstico de la EA, sino también para el monitoreo de la progresión de la enfermedad. Estos nuevos beneficios son invaluables para el desarrollo de dispositivos EEG portátiles de bajo costo y se espera que las ideas presentadas en esta tesis puedan ser utilizadas para mejorar la calidad de vida de las personas afectadas por la EA, sus familias y cuidadores.

Type de document:	Thèse Thèse
Directeur de mémoire/thèse:	Falk, Tiago H.
Mots-clés libres:	maladie d’Alzheimer; électroencéphalographie; état de repos; modulation d’amplitude; manipulation automatisée des artefacts; EEG portable; Alzheimer’s disease; electroencephalography; resting-state; amplitude modulation; automated artifact handing; portable EEG; enfermedad de Alzheimer; electroencefalografía; estado de reposo; modulación de amplitud; manipulación automática de artefactos; EEG portátil
Centre:	Centre Énergie Matériaux Télécommunications
Date de dépôt:	09 avr. 2019 21:14
Dernière modification:	29 sept. 2021 19:31
URI:	https://espace.inrs.ca/id/eprint/8005

Gestion Actions (Identification requise)

Modifier la notice