Meet Spinky: Ein Open-Source-Toolbox zur Detektion von Spindeln und K-Komplexen, validiert am Open-Access-Montreal Archive of Sleep Studies (MASS).

Schlafspindeln und K-Komplexe zählen zu den auffälligsten Mikroereignissen, die in elektroenzephalographischen (EEG) Aufzeichnungen während des Schlafes beobachtet werden. Diese EEG-Mikrostrukturen gelten als charakteristische Merkmale schlafbedingter kognitiver Prozesse. Obwohl ihre Identifikation und Quantifizierung zeitaufwendig und mühsam ist, sind sie für Schlafstudien sowohl bei gesunden Probanden als auch bei Patienten mit Schlafstörungen von großer Bedeutung. Daher könnten automatisierte Verfahren zur Detektion von Spindeln und K-Komplexen Forschern und Klinikern wertvolle Unterstützung bieten. Kürzlich haben wir einen Rahmen für die gemeinsame Detektion von Spindeln und K-Komplexen vorgestellt (Lajnef et al., 2015a), der auf der Tunable Q-Faktor Wavelet-Transform (TQWT; Selesnick, 2011a) und der morphologischen Komponentenanalyse (MCA) basiert. In der vorliegenden Arbeit wird der vorgeschlagene Ansatz mithilfe einer Vielzahl von Leistungskennwerten kritisch validiert und benchmarked, indem er auf öffentlich zugängliche EEG-Daten aus dem Montreal Archive of Sleep Studies (MASS; O’Reilly et al., 2014) angewendet wird. Insbesondere wurden die erzielten Ergebnisse mit alternativen Methoden verglichen, die bereits auf derselben Datensammlung getestet wurden. Bei der Detektion von Spindeln erreichte unser Verfahren eine höhere Leistung als die meisten der verglichenen Ansätze. Dies wurde durch statistische Tests bestätigt, die sowohl Sensitivität als auch Präzision berücksichtigten (d.h. Matthew’s Korrelationskoeffizient (MCC), F1-Score, Cohen’s κ). Der vorgeschlagene Ansatz ist der wissenschaftlichen Gemeinschaft über ein Open-Source-Tool namens Spinky (für Spindel- und K-Komplex-Detektion) zugänglich gemacht worden. Dank einer grafischen Benutzeroberfläche (GUI) und der Verfügbarkeit von Ressourcen für Matlab und Python wird erwartet, dass Spinky einen Beitrag zu einer Open-Science-Philosophie leistet, die die Reproduzierbarkeit und zuverlässige Vergleichbarkeit von Klassifikatorleistungen bei der Detektion von EEG-Mikrostrukturen im Schlaf bei gesunden Individuen und Patienten verbessern wird.