在EEG中使用同步和基于混乱的属性自动检测电脑活动

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:

• 现有的自动发作发作探测器 (SOD) 往往是复杂的,并且由于大量的冗余功能集,难以实时实现.
• 需要更简单,更有效的SOD来改善患者的生活质量,通过提供及时的发作警报.

研究的目的:

• 开发一种简单轻便的SOD,使用最小的相关EEG特征有效检测发作.
• 调查EEG频道同步和信号混乱的实用性,作为发作的指标.

主要方法:

• 使用条件号来测量EEG通道之间的同步.
• 使用复发周期密度来量化EEG信号的混乱性.
• 在头皮脑电图数据上训练并测试了一台支持向量机器 (SVM).来自10名患者.

主要成果:

• 拟议的SOD在检测发作方面实现了100%的灵敏度.
• 该系统表现出每小时0.5的低虚假阳性率.
• 同步和混乱特征有效地反映了EEG数据中的发作表现.

结论:

• 简单,相关的功能,如同步和混乱可以足以开发高性能SOD.
• 开发的轻量级SOD显示性能与更复杂的系统相美,突出了有效的实时发作检测的潜力.