根据时间变化的有效网络定位发性区域
Ning Yin1, Yamei Han1, Le Wang2
1State Key Laboratory of Reliability and Intelligentization of Electrical Equipment, Hebei University of Technology, Tianjin 300130, China; Tianjin Key Laboratory of Bioelectromagnetic Technology and Intelligent Health, Hebei University of Technology, Tianjin 300130, China; School of Health Sciences and Biomedical Engineering, Hebei University of Technology, Tianjin 300130, China.
Epilepsy research
|July 13, 2024
概括
网络控制理论有效地确定了耐药性的发性区域 (EZ). 通过图形理论分析大脑网络可控性,可以提高EZ定位的准确性,优于传统方法.
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.
- 的研究研究.
背景情况:
- 发性区域 (EZ) 的手术切除是抗药性的关键治疗方法.
- 精确地定位EZ仍然是临床实践中的一个重大挑战.
- 虽然图形理论已被用于EZ本地化,但网络控制理论的应用较少被探索.
研究的目的:
- 研究网络控制理论的实用性,与图形理论相结合,用于定位发性区域 (EZ).
- 将可控性指标的有效性与EZ识别的传统方法进行比较.
主要方法:
- 从立体EEG (SEEG) 信号中构建有时间变化的有效大脑网络,使用部分定向连贯性分析.
- 应用图形理论和网络控制理论来分析发性和非发性区域之间的网络差异.
- 利用虫优化的支向量机来根据网络特征和可控制性对EZ进行分类.
主要成果:
- 平均可控性特征表现出优异的分类性能,实现ROC曲线下的面积 (AUC) 为0.9505.5.
- 这种AUC比传统方法高1.32%和1.97%.
- 将平均可控性与其他特征相结合,进一步提高了AUC,达到0.9607.
结论:
- 从网络分析中获得的可控制性特征有效地识别了发性区域.
- 这项研究为在临床EZ本地化中应用网络控制理论提供了理论基础.
