PureEEG: Automatic EEG artifact removal for epilepsy monitoring

SummaryAim of the studyA novel method for removal of artifacts from long-term EEGs was developed and evaluated. The method targets most types of artifacts and works without user interaction.Materials and methodsThe method is based on a neurophysiological model and utilizes an iterative Bayesian estimation scheme. The performance was evaluated by two independent reviewers. From 48 consecutive epilepsy patients, 102 twenty-second seizure onset EEGs were used to evaluate artifacts before and after artifact removal and regarding the erroneous attenuation of true EEG patterns.ResultsThe two reviewers found “major improvements” in 59% and 49% of the EEG epochs respectively, and “minor improvements” in 38% and 47% of the epochs, respectively. The answer “similar or worse” was chosen only in 0% and 4%, respectively. Neither of the reviewers found “major attenuations”, i.e., a significant attenuation of significant EEG patterns. Most EEG epochs were found to be either “mostly preserved” or “all preserved”. A “minor attenuation” was found only in 0% and 17%, respectively.ConclusionsThe proposed artifact removal algorithm effectively removes artifacts from EEGs and improves the readability of EEGs impaired by artifacts. Only in rare cases did the algorithm slightly attenuate EEG patterns, but the clear visibility of significant patterns was preserved in all cases of this study. Current artifact removal methods work either semi-automatically or with insufficient reliability for clinical use, whereas the “PureEEG” method works fully automatically and leaves true EEG patterns unchanged with a high reliability.

RésuméBut de l’étudeUne nouvelle méthode de suppression automatique d’artefacts dans les enregistrements électroencéphalographiques de longue durée a été évaluée. La méthode supprime la plupart des artefacts et fonctionne sans interaction de la part de l’utilisateur.MéthodesLa méthode est basée sur un modèle neurophysiologique et utilise un schéma itératif d’estimation bayésienne. La performance de l’algorithme a été évaluée par deux experts indépendants utilisant 102 enregistrements d’EEG ictal. Les experts ont évalué l’EEG avant et après la suppression d’artefacts en prêtant attention à une éventuelle atténuation du signal EEG d’origine cérébrale.RésultatsLes experts ont trouvé chacun dans 97 % et 96 % des cas une « amélioration considérable » ou une « amélioration faible » de l’EEG. La réponse « similaire ou pire » n’a été choisie que dans 0 % et 4 % des cas. Aucune « atténuation majeure » n’a été remarquée. La plupart des enregistrements ont eu l’appréciation « préservé en grande partie » et « complètement préservé ». Une « faible atténuation » n’a été trouvée que dans 0 % et 17 % des cas.ConclusionsLes méthodes actuelles de suppression d’artefacts ne fonctionnent que semi-automatiquement ou ne sont pas assez fiables pour les applications cliniques. La méthode proposée ici, « PureEEG », fonctionne tout à fait automatiquement et préserve de manière fiable le signal EEG d’origine cérébrale. PureEEG supprime efficacement les artefacts dans les enregistrements EEG et améliore la lisibilité des EEG altérés par des artefacts. L’algorithme n’atténue le signal EEG d’origine cérébrale que dans de rares cas. En même temps, la visibilité est préservée dans tous les cas de cette étude.