对于精确识别发性区域的时间问题
Bartlomiej Chybowski1, Petr Klimes2, Jan Cimbalnik3
1University of Edinburgh, School of Medicine, Deanery of Clinical Sciences, 47 Little France Crescent, EH164TJ Edinburgh, Scotland.
概括
精心挑选的短内EEG (iEEG) 段,特别是来自NREM睡眠,可以准确地定位发性区域 (EZ) 进行手术评估,匹配长时间的记录.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 的研究研究.
背景情况:
- 手术评估可以使用发性区域 (EZ) 的间接生物标志物来改进.
- 当前的机器学习模型经常分析有限的内EEG (iEEG) 数据段.
研究的目的:
- 通过系统地选择短时间iEEG段来评估EZ本地化机器学习模型的性能.
- 为了比较单个和聚合的iEEG段在EZ识别中的有效性.
主要方法:
- 分析了来自25名患者的2381小时iEEG数据,选择了5分钟的间歇性段.
- 测试了机器学习模型,使用来自单个和组合部分的iEEG特征.
- 使用精度回忆曲线下的面积 (PRAUC) 评估模型性能.
主要成果:
- 模型实现了0.421的平均PRAUC,明显高于机会 (0.062).
- PRAUC在各段 (0.323-0.493) 中存在差异,NREM睡眠 (N2阶段) 获得最高分 (0.493).
- 聚合段通常表现优于单个段,除了NREM睡眠数据.
结论:
- 简短的iEEG段,当系统地选择 (最好是从NREM睡眠),可以产生结果与延长的记录可比EZ定位.
- 随机选择短的iEEG段可能会导致不准确的EZ定位.
更多相关视频
09:57Author Spotlight: Advancing Pediatric Epilepsy Surgery in Children Through Novel Biomarkers and Enhanced Localization
Published on: September 20, 2024
2.6K
09:32Network Analysis of Foramen Ovale Electrode Recordings in Drug-resistant Temporal Lobe Epilepsy Patients
Published on: December 18, 2016
12.4K
