电源和连接性EEG生物标志物之间的比较研究用于在叶中发作区域的识别

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
• 发病学 (Epileptology) 是一个专业的学科.

背景情况:

• 发作发作区 (SOZ) 的定位对于治疗至关重要.
• 立体脑电图 (sEEG) 生物标志物分析信号功率或功能连接.
• 生物标志物的性能取决于频段和时间窗口的选择.

研究的目的:

• 为了比较和优化基于功率 (正常化平均激活,nMA) 和基于连接 (正常化平均强度,nMS) 的SOZ识别生物标志物从ictal sEEG.EEG.
• 为了确定每个生物标志物类型的最佳频段和时间窗口.

主要方法:

• 利用了来自10名耐药叶患者的67次发作的数据集.
• 计算了每个sEEG接触器的功率nMA和连接性nMS.
• 通过最大限度地提高AUC和F2分数来优化频段和时间窗口.

主要成果:

• 基于功率的生物标志物 (nMA) 在SOZ检测中普遍优于基于连接的生物标志物 (nMS).
• 对nMA的最佳表现是在β和较低的马波段 (20-30s发作后发作).
• 对于nMS来说,最佳的表现是在较低和较高的马波段 (20-30岁后发作发作).

结论:

• 优化频段和时间窗口对于SOZ歧视生物标志物至关重要.
• 这些发现对于开发和培训用于临床应用的SOZ分类器来说很重要,这些分类器使用了回顾性sEEG数据.