WU-NEAT：一个经临床验证的、开源的MATLAB有限通道新生儿EEG分析工具箱
神经元与认知
2018-05-15 v1
摘要
目的：新生儿有限通道EEG研究受限于缺乏开放、可获取的分析工具。为克服此限制，我们创建了华盛顿大学-新生儿EEG分析工具箱（WU-NEAT），包含两种最常用的工具，以在MATLAB中运行的开源、经临床验证的软件包形式提供。方法：第一种算法为振幅整合EEG（aEEG），通过对原始EEG记录进行滤波、整流和时间压缩生成，随后以半对数方式显示。第二种算法为频谱边缘频率（SEF），计算为位于其下用户定义比例的EEG频谱功率所在的临界频率。aEEG算法由三名经验丰富的评审者验证。评审者评估了十四名早产/足月婴儿的aEEG记录，以随机顺序显示两次，一次使用参考算法，一次使用WU-NEAT aEEG算法。采用标准方法，评审者给出背景模式分类。评估了评阅者间/内可靠性。对于SEF，使用相同的十四段记录进行计算，先使用参考算法，再使用WU-NEAT算法。使用Pearson相关系数比较结果。结果：对于aEEG算法，评阅者内与评阅者间可靠性分别为100%和98%。对于SEF，算法间平均（SD）Pearson相关系数为0.96（0.04）。结论：我们展示了一个经临床验证的用于生成aEEG以及从EEG数据计算SEF的工具箱。开源访问将使得设备无关且不会过时的通用分析算法得以广泛使用，从而促进未来新生儿EEG的协作研究。
引用
@article{arxiv.1805.04566,
title = {WU-NEAT: A clinically validated, open- source MATLAB toolbox for limited-channel neonatal EEG analysis},
author = {Z. A. Vesoulis and P. G. Gamble and S. Jain and N. M. El Ters and S. M. Liao and A. M. Mathur},
journal= {arXiv preprint arXiv:1805.04566},
year = {2018}
}
备注
6 pages, 4 figures