Application of machine learning and statistics to anaesthesia detection from EEG data

Cover Page

Cite item

Full Text

Abstract

Background and Objectives: The purpose of the research is to establish whether it is possible to determine the degree of anaesthesia that a laboratory animal is experiencing noninvasively. For this objective the usage of such methods of electroencephalogram (EEG) signal analysis as fast Fourier transform, K-Means machine learning method and statistical analysis is discussed. Models and Methods: The EEG data was obtained through an experiment where two groups of laboratory rats received different types of anaesthetic agent. The EEG data was normalised,then the power spectra were computed using fast Fouriertransform. Next, the K-Means method was applied to classify the data in accordance with the anaesthesia degree. Statistical analysis was also conducted to describe prominent characteristics of each stage. Results: It has been shown that the proposed data analysis methods allow to distinguish between normal state, anaesthesia, and death with increasing anaesthesia dosages in laboratory animals.

About the authors

Tatiana Romanovna Bogatenko

Saratov State University

ORCID iD: 0000-0002-4007-7649
Scopus Author ID: 57202979250
ResearcherId: ABA-2501-2021
410012, Russia, Saratov, Astrakhanskaya street, 83

Konstantin Sergeevich Sergeev

Saratov State University

ORCID iD: 0000-0002-5605-5700
410012, Russia, Saratov, Astrakhanskaya street, 83

Galina Ivanovna Strelkova

Saratov State University

ORCID iD: 0000-0002-8667-2742
410012, Russia, Saratov, Astrakhanskaya street, 83

References

  1. Keech B. M., Lazerta R. Anaesthesia secrets. 6th ed. Elsevier, 2020. ISBN: 9780323640152
  2. Weller R. O., Galea I., Carare R. O., Minagar A. Pathophysiology of the lymphatic drainage of the central nervous system: Implications for pathogenesis and therapy of multiple sclerosis. Pathophysiology, 2010, vol. 17, pp. 295–306. https://doi.org/10.1016/j.pathophys.2009.10.007
  3. Ahn J. H., Cho H., Kim J.-H., Kim S. H., Ham J.-S., Park I., Suh S. H., Hong S. P., Song J.-H., Hong Y.-K., Jeong Y., Park S.-H., Koh G. Y. Meningeal lymphatic vessels at the skull base drain cerebrospinal fluid. Nature, 2019, vol. 572, pp. 62–66. https://doi.org/10.1038/s41586-019-1419-5
  4. Chen J., Wang L., Xu H., Xing L., Zhuang Z., Zheng Y., Li X., Wang C., Chen S., Guo Z., Liang Q., Wang Y. Meningeal lymphatics clear erythrocytes that arise from subarachnoid hemorrhage. Nat. Commun., 2020, vol. 11, article no. 3159. https://doi.org/10.1038/s41467-020-16851-z
  5. Semyachkina-Glushkovskaya O., Penzel T., Blokhina I., Khorovodov A., Fedosov I., Yu T., Karandin G., Evsukova A., Elovenko D., Adushkina V., Shirokov A., Dubrovskii A., Terskov A., Navolokin N., Tzoy M., Ageev V., Agranovich I., Telnova V., Tsven A., Kurths J. Night Photostimulation of Clearance of Beta-Amyloid from Mouse Brain: New Strategies in Preventing Alzheimer’s Disease. Cells, 2021, vol. 10, iss. 12, article no. 3289. https://doi.org/10.3390/cells10123289
  6. Musizza B., Ribaric S. Monitoring the Depth of Anaesthesia. Sensors, 2010, vol. 10, iss. 12, pp. 10896–10935. https://doi.org/10.3390/s101210896
  7. Buhre W., Rossaint R. Perioperative management and monitoring in anaesthesia. Lancet, 2003, vol. 362, iss. 9398, pp. 1893–1846. https://doi.org/10.1016/S0140-6736(03)14905-7
  8. Malik P., Pathania M., Rathaur V. K. Overview of artificial intelligence in medicine. J. Family. Med. Prim. Care, 2019, vol. 8, iss. 7, pp. 2328–2331. https://doi.org/10.4103/jfmpc.jfmpc_440_19
  9. Semyachkina-Glushkovskaya O. V., Karavaev A. S., Prokhorov M. D., Runnova A. E., Borovkova E. I., Ishbulatov Yu. M., Hramkov A. N., Kulminskiy D. D., Semenova N. I., Sergeev K. S., Slepnev A. V., Sitnikova E. Yu., Zhuravlev M. O., Fedosov I. V., Shirokov A. A., Blokhina I. A., Dubrovski A. I., Terskov A. V., Khorovodov A. P., Ageev V. B., Elovenko D. A., Evsukova A. S., Adushkina V. V., Telnova V. V., Postnov D. E., Penzel T. U., Kurths J. G. EEG biomarkers of activation of the lymphatic drainage system of the brain during sleep and opening of the blood-brain barrier. Computational and Structural Biotechnology Journal, 2023, vol. 21, pp. 758–768. https://doi.org/10.1016/j.csbj.2022.12.019
  10. Sergeev K., Runnova A., Zhuravlev M., Sitnikova E., Rutskova E., Smirnov K., Slepnev A., Semenova N. Simple method for detecting sleep episodes in rats ECoG using machine learning. Chaos, Solitons & Fractals, 2023, vol. 173, article no. 113608. https://doi.org/10.1016/j.chaos.2023.113608
  11. Descriptive statistics (GNU Octave (version 9.1.0)). Available at: https://docs.octave.org/v9.1.0/Descriptive-Statistics.html (accessed March 17, 2024).
  12. GNU Octave: libinterp/corefcn/fft.cc File Reference. Available at: https://docs.octave.org/doxygen/3.8/d6/d67/fft_8cc.html (accessed March 17, 2024).
  13. Baumeister J., Barthel T., Geiss K. R., Weiss M. Influence of phosphatidylserine on cognitive performance and cortical activity after induced stress. Nutritional Neuroscience, 2008, vol. 11, iss. 3, pp. 103–110. https://doi.org/10.1179/147683008X301478
  14. De Gennaro L., Ferrara M., Bertini M. The spontaneous K-complex during stage 2 sleep: Is it the ’forerunner’ of delta waves? Neuroscience Letters, 2000, vol. 291, iss. 1, pp. 41–43. https://doi.org/10.1016/S0304-3940(00)01366-5
  15. Jensen O., Mazaheri A. Shaping functional architecture by oscillatory alpha activity: Gating by inhibition. Front. Hum. Neurosci., 2010, vol. 4, article no. 186. https://doi.org/10.3389/fnhum.2010.00186
  16. Lomas T., Ivtzan I., Cynthia H. Y. Fu. A systematic review of the neurophysiology of mindfulness on EEG oscillations. Neuroscience & Biobehavioral Reviews, 2015, vol. 57, pp. 401–410. https://doi.org/10.1016/j.neubiorev.2015.09.018
  17. Lega B. C., Jacobs J. Human hippocampal theta oscillations and the formation of episodic memories. Hippocampus, 2012, vol. 22, iss. 4, pp. 748–761. https://doi.org/10.1002/hipo.20937
  18. Tesche C. D., Karhu J. Theta oscillations index human hippocampal activation during a working memory task. Proc. Natl. Acad. Sci. USA, 2000, vol. 97, iss. 2, pp. 919–924. https://doi.org/10.1073/pnas.97.2.919
  19. Llinás R., Ribary U. Coherent 40-Hz oscillation characterizes dream state in humans. Proc. Natl. Acad. Sci., 1993, vol. 90, iss. 5, pp. 2078–2081. https://doi.org/10.1073/pnas.90.5.2078
  20. Baldauf D., Desimone R. Neural Mechanisms of Object-Based Attention. Science, 2014, vol. 344, iss. 6182, pp. 424–427. https://doi.org/10.1126/science.1247003
  21. Borjigin J., Lee U. C., Liu T., Pal D., Huff S., Klarr D., Sloboda J., Hernandez J., Wang M. M., Mashourc G. A. Surge of neurophysiological coherence and connectivity in the dying brain. Proc Natl Acad Sci., 2013, vol. 110, iss. 35, pp. 14432–14437. https://doi.org/10.1073/pnas.1308285110
  22. Li D., Mabrouk O. S., Liu T., Tian F., Xu G., Rengifo S., Choi S. J., Mathur A., Crooks C. P., Kennedy R. T., Wang M. M., Ghanbari H., Borjigin J. Asphyxia-activated corticocardiac signaling accelerates onset of cardiac arrest. Proc Natl Acad Sci., 2015, vol. 112, iss. 16, pp. 2073–2082. https://doi.org/10.1073/pnas.1423936112

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».