随着时间的推移和患者之间的型模式的概括性

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.
• 医疗技术 医疗技术 医学技术

背景情况:

• 精确地定位发性区域 (EZ) 对于成功的手术至关重要.
• 目前使用脑电图 (EEG) 的方法通常会产生低于最佳的EZ局部化,这是由于可变的脑间和脑间活动模式.
• 识别可概括的神经信号特征可以提高EZ定位精度.

研究的目的:

• 为了确定神经信号是否反映了患者的性性,从间接到间接的时间概括到患者的时间.
• 为了调查型模式是否在不同患者中泛化.
• 识别特定的信号特征,这些特征可用于改进EZ本地化.

主要方法:

• 利用了55名患者的内EEG数据集.
• 从静态EEG (SEEG) 和电皮图学 (ECoG) 信号中提取了34个特征,这些特征是在间接和间接阶段.
• 采用决策树分类器来评估跨时间窗口和患者的概括性.

主要成果:

• 强有力的证据表明,在患者之间,从间歇到间歇期的发性信号具有普遍性.
• 在跨时间窗口的患者中观察到一致的发性模式.
• 信号特征,特别是复杂性和高频网络属性,显示出跨患者的概括性,特别是在ictal阶段.

结论:

• 发性神经活动模式在时间和患者之间表现出显著的概括性.
• 信号复杂性和网络特征是跨患者概括的关键因素.
• 这些发现对开发自动化EZ定位工具有影响,以帮助手术规划.