Muskelartefakte im Schlaf-EEG: Automatisierte Erkennung und Wirkung auf die EEG-Leistungspektren über die gesamte Nacht

Durch die Verwendung von Kopfhaut-Elektroden in menschlichen Schlafaufzeichnungen sind kortikale EEG-Signale unweigerlich mit der elektrischen Aktivität des Muskelgewebes auf dem Schädel vermischt. Muskelartefakte sind durch Ausbrüche hochfrequenter Aktivität gekennzeichnet und werden leicht identifiziert, da sie im Vergleich zur lokalen Hintergrundaktivität auffällig hohe Werte aufweisen. Um Ausbrüche myogener Aktivität zu erkennen, wird ein einfacher Algorithmus eingeführt, der die hochfrequente Aktivität (26,25–32,0 Hz) in jedem 4-s-Epochen mit dem Aktivitätsniveau in einem lokalen 3-min-Fenster vergleicht. Ein 4-s-Wert galt als artefaktisch, wenn er die lokale Hintergrundaktivität um einen bestimmten Faktor überschritt. Sensitivität und Spezifität des Artefakterkennungsalgorithmus wurden empirisch angepasst, indem unterschiedliche Faktoren als Artefaktgrenzen angewendet wurden. In einer Analyse von Schlaf-EEG-Signalen, die von 25 gesunden jungen Erwachsenen aufgezeichnet wurden, wurden 2,3 % (SEM: 0,16) aller 4-s-Epochen während des Schlafs als Artefakte identifiziert, als ein Grenzwertfaktor von vier angewendet wurde. Die Kontamination des EEG durch Muskelaktivität trat häufiger gegen Ende der non-REM-Schlafphasen auf, als die EEG- langsame Wellenaktivität abnahm. Innerhalb und zwischen REM-Schlafepisoden waren Muskelartefakte gleichmäßig verteilt. Als das EEG-Signal von Muskelartefakten bereinigt war, zeigten die EEG-Leistungsdichten über die gesamte Nacht signifikante Reduktionen der Leistungsdichte für alle Frequenzen von 0,25–32,0 Hz. Zwischen 15 und 32 Hz machten Muskelartefakte einen wesentlichen Teil (20-70 %) der EEG-Leistungsdichte über die gesamte Nacht aus. Es wird geschlossen, dass die Eliminierung kurzzeitiger Muskelartefakte die Verwirrung zwischen kortikaler und myogener Aktivität verringert und wichtig für die Interpretation quantitativer EEG-Daten ist. Quantitative Ansätze zur Definition und Erkennung transiente Ereignisse im EEG-Signal könnten helfen zu bestimmen, welche EEG-Phänomene klinisch signifikante Erregungen darstellen.