2022年6月，复旦大学信息科学与工程学院陈炜教授课题组在生物医学工程领域国际顶级期刊《IEEE Transactions on Neural Systems and Rehabilitation Engineering》（中科院二区top，影响因子4.528）上发表了题为“A Hybrid Expert System for Individualized Quantification of Electrical Status Epilepticus During Sleep using Biogeography-based Optimization”的研究论文。
研究背景
睡眠中癫痫性电持续状态（Electrical status epilepticus during sleep， ESES）是儿童期出现的一种异常的脑电现象；ESES可见于儿童时期的癫痫性脑病、多种遗传性病因或脑部结构性异常。持续的ESES会导致儿童认知障碍与行为异常。由于ESES患者在睡眠时的脑电伴有连续的棘波和棘慢波，对这种癫痫性电活动进行自动定量分析，有助于对ESES患儿进行快速诊断。
创新点
该研究提出了结合形态学滤波和生物地理学优化算法的方案，结合医学知识并考虑到患者的个体差异性。在之前工作的基础上（2020年发表于《Journal of Neural Engineering》题为“A knowledge-based approach for automatic quantification of epileptiform activity in children with electrical status epilepticus during sleep”的研究论文），提高了算法对不同个体的适应性，进一步增强了识别这种EEG（electroencephalography，脑电图）模式的能力。
算法设计
算法设计包含两部分，第一部分是形态学滤波方法。由于棘波和棘慢波可以通过形态学上的特征进行识别，在对原始EEG信号进行预处理之后，使用形态学滤波器进行检测。
第二部分是生物地理学优化算法，生物地理学优化算法可以跨越局部最优点，计算复杂度低，运算更快。该算法则优化了参数选择，替代繁复而稳定性不高的人工参数选择，实现基于样本特性的自动化参数选择。从而实现适应性更强的方案，可以一定程度上解决个体差异性问题。提出的系统整体流程图如下所示：
实验结果
本研究将采集的数据分为两个子数据集，在第一个精确标注的子数据集上验证提出的系统方案，并在第二个数据集上评估整体的棘慢波指数(spike-wave index, SWI)误差。SWI是临床上用于描述癫痫活动的定量参数，表示睡眠中癫痫活动的百分比。实验中对比了模型的精度，敏感度，SWI等指标，结果表明个性化的系统性能优于通用型系统。
图3 个性化系统和通用型系统在不同训练数据百分比下的评估指标对比图
经过实验分析，本研究提出的系统在采集的20人数据集上可以实现平均0.95%的SWI误差。这表明该研究提出的方法可以精确的识别棘波和棘慢波并有助于ESES的诊断。
研究意义
该研究针对现有研究中癫痫活动量化算法未考虑脑电信号形态上的差异性，采用固定参数或人工选择参数运行模型的不足等方面，首次提出了混合生物地理优化与脑电形态学分析的癫痫活动量化方法。该方法将生物地理学的优化技术融入基于医学知识决策模型中，根据数据自动初始化模型，并实现模型的调优，在保留了算法模型易于被临床医生根据其知识和经验所理解和验证的优点的同时大幅提高了算法的准确率。优化算法可以为个体选择适当的参数，实现平均0.95%的SWI误差。结果证明了所提出的系统在量化ESES方面的能力和可靠性。有望协助临床医生进行精确的ESES的量化分析。
作者简介及项目支持
博士生周威为本论文第一作者，陈炜教授，周水珍教授（复旦大学附属儿科医院神经科主任医师），陈晨青年副研究员为通讯作者。该研究得到了上海市科委国际合作项目[20510710500]、国家自然科学基金[62001118]、上海市科委生物医药支撑项目[20S903900]的资助。
