Distinction between essential and physiological tremor using Hilbert-Huang transform

SummaryNeurophysiological investigation, based on accelerometric (ACC) and electromyographic (EMG) recordings, is an essential step in the diagnosis of tremor. Among various signal analysis methods, fast Fourier transform (FFT) is the most frequently used in this domain. However, FFT has several limitations: first, it assumes that tremor is a periodic and linear signal, which is not true; second, it cannot distinguish between different types of tremor, when their frequency overlap in similar range, such as essential tremor (ET) and physiological tremor (PT). Therefore, we decided to apply a non-linear method of signal analysis based on empirical mode decomposition (EMD) and Hilbert Huang transform (HHT), according to various procedures and compared to a more classical FFT approach. A first group of 8 healthy subjects with PT and a second group of 8 patients with ET were included in this study. At individual level, FFT was effective to highlight ET in the 8 patients, but PT in only 2 subjects. The EMD-HHT procedures performed better than FFT, revealing a common peak of PT in all subjects. Moreover, at group level, our EMD-HHT method allowed to clearly differentiate the two groups, especially by giving evidence for the existence of low frequency oscillations (around 4 Hz) in subjects with PT. Although their physiological origin remains largely unknown, such slow oscillations seem to be of great importance to highlight PT and they have been much underestimated in the literature. Our original EMD-HHT approach is able to provide substantial improvement in the neurophysiological characterisation of the different types of tremor, especially for diagnostic application.

RésuméL’exploration neurophysiologique, basée sur des enregistrements accélérométriques (ACC) et électromyographiques (EMG), est une étape essentielle dans le diagnostic des tremblements. Parmi les différentes méthodes d’analyse du signal, la transformée rapide de Fourier (FFT) est la plus fréquemment utilisée dans ce domaine. Cependant, la FFT a plusieurs limites : d’abord, elle suppose que le tremblement est un signal périodique et linéaire, ce qui n’est pas vrai ; d’autre part, elle ne peut pas faire la distinction entre différents types de tremblements dont les fréquences se chevauchent dans les mêmes gammes, comme c’est le cas pour le tremblement essentiel (TE) et le tremblement physiologique (TP). Aussi, nous avons décidé d’appliquer une méthode non linéaire d’analyse du signal basée sur la décomposition en mode empirique (EMD) associée à une transformée de Hilbert Huang (HHT) selon différentes procédures, et comparée à une approche plus classique de type FFT. Un premier groupe de 8 sujets sains avec TP et un second groupe de 8 patients atteints de TE ont été inclus dans cette étude. Au niveau individuel, la FFT a mis en évidence le TE chez les 8 patients, mais le TP chez seulement 2 sujets. Les procédures EMD-HHT ont été plus performantes, montrant un pic commun de TP chez tous les sujets. Par ailleurs, concernant l’analyse de groupe, notre méthode EMD-HHT a permis de différencier clairement les patients avec TE des sujets avec TP, notamment en mettant en évidence des oscillations à basse fréquence (environ 4 Hz) chez les sujets avec TP. Bien que leur origine physiologique reste en grande partie inconnue, ces oscillations lentes semblent être d’une grande importance pour montrer la présence du TP et ont été très sous-estimées dans la littérature. Notre approche originale par analyse EMD-HHT est capable d’améliorer de façon substantielle la caractérisation neurophysiologique des différents types de tremblements, notamment pour des applications diagnostiques.