使用基于图形的网络在内脑电图的高频振荡范围内定位性组织
Christos Stergiadis1, Dimitrios Kazis2, Manousos A Klados3
1Department of Electronic Engineering, University of York, York, YO10 5DD, UK.
Seizure
|February 3, 2024
概括
这项研究探讨了使用功能连接和图形理论在中的高频振荡 (HFO). 结果显示HFO与网络测量相关,使得研究精确的电极分类.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 的研究研究.
背景情况:
- 高频振荡 (HFO) 越来越多地被认为是的关键生物标志物.
- 在HFO频率范围内,对内脑电图 (iEEG) 信号的功能连接性进行研究仍未得到充分研究.
研究的目的:
- 用图形理论分析HFO频段中的功能连接网络.
- 评估这些网络的预测能力,用于药物耐药患者的自动化电极分类.
主要方法:
- 对iEEG记录进行了基于连贯性的连接分析.
- 在HFO子频段 (80-250Hz和250-500Hz) 中计算的局部图表测量.
- 使用WEKA软件进行预测模型培训和测试.
主要成果:
- 在率和6个局部图表尺度中的5个之间发现了显著的相关性.
- 快速波纹率与大多数本地指标有显著的负相关性.
- 后勤回归实现了82.5%的波纹精度和75.4%的快速波纹电极分类.
结论:
- HFO频率功能连接网络提供了直接HFO事件分析的替代方案.
- 这些网络提供了对中心区域的洞察,可能引导手术目标.
- 使用功能连接的自动分类绕过了手动注释,同时保留了有关组织的信息.
