スパース・シグナル・プロセッシングを用いた偽のスパイク・エリミネーションは,短期的な手術内iEEG記録における発作発症ゾーンの区画を改善する

科学分野:

• 神経科学は神経科学である.
• シグナル処理 信号処理
• バイオメディカルエンジニアリング

背景:

• インタークトル・エピレプティフォーム・スパイクと高周波振動 (HFOs) は,薬剤耐性性における発作開始ゾーン (SOZ) を特定するための重要な神経バイオマーカーです.
• 正確なSOZの識別は,外科計画と患者のアウトカムを改善するために不可欠です.

研究 の 目的:

• epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes. epileptiform spikes.
• デノイズド・スパイクデータを用いてSOZの区画の精度を高めること.

主な方法:

• Gabor辞書と直交一致追跡 (OMP) を用いた稀少信号処理モデルが開発され,エピレプティフォームのスパイクを表現し,無音化しました.
• イベント分類には,ランダムフォレスト (RF) 分類器が使用されました.
• このモデルは,専門家によってラベル付けされたデータで訓練され,手術中のモニタリング (IOM) 中の29人の被験者からの頭蓋内EEG (iEEG) で検証されました.

主要な成果:

• IOMでは,SOZの区画を36%から52%に大幅に改善した.
• HFOの分析と比較すると,IOMでは平均69%のSOZ比率を明らかにした.
• このモデルは,最初のスパイクプールから,アーティファクトと偽の検出を効果的に削除しました.

結論:

• スパース信号処理は,エピレプティフォームスパイクを消去するための堅牢な方法を提供し,SOZの識別精度を高めます.
• このアプローチは,短い手術内記録の際に信頼性の高い初期評価を提供することにより,臨床的意思決定を改善することができます.
• 開発されたモデルは,エピレプシーの診断と治療計画を進めるために有望であることを示しています.