通过开发一个自适应的代线性约束最小方差束造波器,定位患者大脑对单脉冲电刺激的反应

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 信号处理 信号处理

背景情况:

• 通过单脉冲电刺激 (SPES) 检测到的延迟反应 (DRs) 对于在严重耐药性中识别发性区域至关重要.
• 精确地定位这些DRs对于手术规划和改善患者结果至关重要.
• 目前用于DR定位的方法可能会与低功率信号或在单个电极上不清楚可见的信号作斗争.

研究的目的:

• 开发和验证一种新的自适应代线性约束最小方差光束变量器 (AI-LCMV),用于精确的DR源定位.
• 通过使用内脑电图 (EEG) 数据准确地绘制DRs来改善发病焦点的识别.
• 克服传统方法在定位低功率或不可见的DR信号方面的局限性.

主要方法:

• 开发和应用AI-LCMV光束转换器,利用DR的形态特征作为源约束.
• 在患者中使用从下电极记录的内EEG数据.
• 将AI-LCMV的性能与传统光束成型技术进行比较.

主要成果:

• 与传统光束造型器相比,AI-LCMV方法成功地定位了DR源,提高了精度和独特性.
• 人工智能LCMV展示了识别和定位DR的能力,这些DR在多个电极信号中是不可见的.
• 适应性方法有效地利用了DR形态学,以改善源本地化.

结论:

• AI-LCMV代表了DRs自动定位的重大进步,加速了发性焦点的识别.
• 这种新的方法在局部化微妙和低功率DRs方面提供了卓越的性能,改善了的诊断能力.
• AI-LCMV有可能对耐火性患者的手术向和治疗策略进行改进.