Detecting acute pain signals from human EEG

G, Sun; Z, Wen; D, Ok; L, Doan; J, Wang; ZS, Chen

Abstract:

Advances in human neuroimaging has enabled us to study functional connections among various brain regions in pain states. Despite a wealth of studies at high anatomic resolution, the exact neural signals for the timing of pain remain little known. Identifying the onset of pain signals from distributed cortical circuits may reveal the temporal dynamics of pain responses and subsequently provide important feedback for closed-loop neuromodulation for pain. Here we developed an unsupervised learning method for sequential detection of acute pain signals based on multichannel human EEG recordings. Following EEG source localization, we used a state-space model (SSM) to detect the onset of acute pain signals based on the localized regions of interest (ROIs). We validated the SSM-based detection strategy using two human EEG datasets, including one public EEG recordings of 50 subjects. We found that the detection accuracy varied across tested subjects and detection methods. We also demonstrated the feasibility for cross-subject and cross-modality prediction of detecting the acute pain signals. In contrast to the batch supervised learning analysis based on a support vector machine (SVM) classifier, the unsupervised learning method requires fewer number of training trials in the online experiment, and shows comparable or improved performance than the supervised method. Our unsupervised SSM-based method combined with EEG source localization showed robust performance in detecting the onset of acute pain signals.

Patologie/Applicazioni:

• Terapia del dolore
• Plasticità cerebrale

Anno:

2020

Tipo di pubblicazione:

Articolo

Parola chiave:

EEG; Modello stato-spaziale; Localizzazione fonte; ERP; Dolore acuto

Testata scientifica:

Journal of Neuroscience Methods

Nota:

Studio in cui è stato sviluppato un nuovo metodo basato su registrazioni EEG multicanale che ha mostrato prestazioni robuste per il rilevamento sequenziale dei segnali di dolore acuto. A seguito della localizzazione della sorgente EEG è stato utilizzato un modello spazio-stato (SSM) per rilevare l'insorgenza di segnali di dolore acuto in base alle regioni di interesse (ROI) localizzate. Le registrazioni EEG sono state effettuate con il dispositivo Enobio, Neuroelectrics a 32 canali (frequenza di campionamento: 500 Hz; filtro passa-alto a 0,1 Hz e filtro passa-basso a 250 Hz) su due soggetti destrimani (età: 69 e 48 anni, rispettivamente di sesso femminile e maschile) con mal di schiena cronico prima sottoposti a EEG a riposo con gli occhi chiusi e poi ad occhi aperti per 5 minuti ciascuno. Il protocollo di test consisteva in 40 prove di stimolazione meccanica (puntura di spillo doloroso nocivo (PP) con un ago smussato da 32 gauge vs stimolo non nocivo (NP) con un monofilamento da 10 g) sulla mano destra, seguite da altre 40 prove di stimolazione meccanica sulla parte bassa della schiena. In entrambi i casi, le stimolazioni nocive e non nocive sono state alternate in modo casuale con un intervallo inter-stimolo di 8-12 sec.

DOI:

doi.org/10.1016/j.jneumeth.2020.108964