通过切换状态空间模型从内EEG数据检测高频振荡

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:

• 高频振荡 (HFOs) 是确定发作区域 (EZs) 的关键生物标志物.
• 在长期内EEG记录中手动注释HFO是劳动密集型和具有挑战性的,因为它们的持续时间短,信号噪声比低.
• 现有的方法通常依赖于从滑动窗口中提取特征,这对于短暂的HFO事件可能是不理想的.

研究的目的:

• 开发和验证一种自动化方法,使用交换状态空间模型 (SSSM) 检测高频振荡 (HFOs).
• 提高识别HFO事件及其持续时间在内EEG数据中的准确性和效率.
• 通过准确地定位发性区域,提供一种有助于术前评估的工具.

主要方法:

• 实现切换状态空间模型 (SSSM) 以实时检测HFO事件.
• 在接受前手术评估的人体受试者的内EEG记录中应用SSSM.
• 根据手册注释和已确定的检测标准验证SSSM的性能.

主要成果:

• SSSM成功地自动和即时识别了HFO事件,而不需要从滑动窗口中提取功能.
• 与传统方法相比,该模型在捕捉HFO的发生和持续时间方面表现出更高的准确性.
• 在人类内EEG数据的验证证实了SSSM在HFO检测中的有效性.

结论:

• 开发的SSSM为研究和临床实践中HFO检测提供了准确和有效的工具.
• 这种自动化方法可以显著减少分析长期内EEG数据所需的时间和精力.
• SSSM有望改善发性区域的局部化,帮助进行手术前评估.