不线性分析和识别不同阶段的脑电图信号

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:

• 使用EEG信号检测和预测发作仍然是一个重大挑战.
• 前触电脑电图信号很难与间触信号区分开来,这阻碍了临床预测.
• 目前的方法在识别微妙的预测变化方面缺乏效率.

研究的目的:

• 开发先进的方法来识别前和前的脑电图信号.
• 提高发作检测和预测的效率和准确性.
• 探索非线性动态来提取EEG信号中隐藏的信息.

主要方法:

• 使用C-C方法分析EEG信号轨迹的阶段空间重建 (PSR).
• 用信心圆 (CE) 分析Poincaré截面 (PS) 来识别过渡现象.
• 同步提取转换 (SET) 用于时间频率 (TF) 频谱分析.
• 卷积神经网络 (CNN) 分类器用于ictal和preictal信号识别.

主要成果:

• 在不同的EEG阶段,PSR揭示了不同的吸引力轨迹.
• 在PS分析中,在预发性阶段发现了一种过渡现象.
• 美国有线电视新闻网 (CNN) 分类器实现了99.7%的ictal准确度和93.7%的前音信号识别.

结论:

• 非线性方法为研究的EEG信号分析提供了新的见解.
• 提出的方法显著提高了性EEG信号的实际应用和预测效率.
• 这项工作为改善发作检测和预测提供了有价值的生物标志物.