结合独立组件分析和源定位,以改善症中立体电脑图的空间采样

科学领域:

• 神经外科 神经外科
• 发病学 (Epileptology) 是一个专业的学科.
• 生物医学工程 生物医学工程

背景情况:

• 立体电脑摄影 (SEEG) 对于手术前的评估至关重要,为手术切除绘制发性区域的地图.
• SEEG提供高空间精度和信号噪声比,但覆盖范围可能有限,可能导致发作来源的样本采集不足.
• 低于最佳的SEEG植入可能需要进一步的侵入性手术或导致不完全切除,影响控制.

研究的目的:

• 通过先进的信号分析,研究改善非最佳SEEG记录的潜力.
• 在最初的SEEG覆盖率不足时,增强发性区域的识别.
• 为了验证SEEG数据的新型源本地化方法.

主要方法:

• 提出了一种结合独立组件分析 (ICA) 和连接措施的方法,以确定相关的信号组件.
• 应用分布式源建模到SEEG信号中识别的独立组件.
• 在两个患者身上测试了这种方法,每个患者都有两个SEEG植入物,比较了最初的低于最佳的记录和随后的改进记录.

主要成果:

• 在最初的,低于最佳的SEEG记录上进行的源部位定位成功识别了发性区域.
• 第一个SEEG数据上的ictal和interictal源定位的发现与第二个改进的SEEG探索的诊断结果相关联.
• 拟议的方法在检索发性区域信息方面表现出有效性,尽管最初的电极放置不足最佳.

结论:

• 源部位定位后的独立组件分析是一种有前途的技术,可以改善在非最佳SEEG的情况下改善发性区域的识别.
• 这种方法有可能提高诊断的准确性和指导手术规划,可能减少重复侵入性手术的需要.
• 这些发现表明有价值的非侵入性 (植入后信号分析) 策略,以最大限度地利用SEEG评估中的信息.