内EEG网络的实用性取决于重新引用和连接性选择
Haoer Shi1,2, Akash Ranjan Pattnaik1,2, Carlos Aguila1,2
1Department of Bioengineering, School of Engineering and Applied Sciences, University of Pennsylvania, Philadelphia, PA 19104, USA.
Brain communications
|May 27, 2024
概括
选择正确的内EEG预处理方法对于研究至关重要. 基于相对的网络在功能连接分析中提供了优越的发作区域横向化和稳定性.
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.
- 发病学 (Epileptology) 是一个专业的学科.
背景情况:
- 内脑电图 (iEEG) 网络有助于识别抗药性的发作发生因子.
- 间接性EEG网络分析可以在没有发作记录的情况下检测异常的大脑组织.
- 缺少iEEG网络分析预处理的标准化,影响结果.
研究的目的:
- 评估不同重新引用和功能连接方法对iEEG网络分析的影响.
- 评估各种预处理管道的强度和发作区域横向化能力.
- 为特定的研究问题开发一种优化iEEG预处理的方法.
主要方法:
- 将48个预处理管道应用于125名患者的iEEG数据.
- 采用了24个功能连接措施,具有共同的平均值或双极再引用.
- 根据虚假相关性,空间采样稳定性和发作区域横向化评估的管道.
- 采用无监督的集群来组合相似的预处理管道.
主要成果:
- 三个不同的管道组出现了:普通平均,双极和相对基.
- 相对和常见平均值重新引用显示了对不完整的电极采样更大的稳定性.
- 基于相对的网络在叶患者中显示了发作半球的优越横向化.
结论:
- 预处理选择显著影响iEEG网络分析结果.
- 相对成为一种强大的方法,特别是在发作区域横向化方面.
- 提供了一个接口,以帮助研究人员选择最佳的iEEG预处理策略.
