通过功能连接和图形理论在耐药焦点中增强非侵入性手术前评估

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.
• 医疗成像医学成像

背景情况:

• 是一种网络疾病,需要精确识别发性区域 (EZ) 才能成功进行手术.
• 头皮脑电图 (EEG) 视觉分析是标准的,但在完全描述发作的传播方面是有限的.
• 大脑连接和图形理论为理解网络动态提供了先进的方法.

研究的目的:

• 开发和验证一种使用图形理论和大脑连接来划分发性网络的新方法.
• 为了提高EZ局部化的准确性,用于药物耐药焦点的手术前评估.

主要方法:

• 从5名患者的40通道头皮EEG数据中重建皮质源.
• 应用时间格兰杰因果关系和图形理论中心性指数 (Outdegree,Hubness) 在 pre-ictal 到 ictal 过渡期间.
• 开发了一种基于不同大脑区域的中心值的新型横向化指数.

主要成果:

• 在三个成功手术的患者中,中心性分析准确地定位了EZ,与临床预期保持一致.
• 运动工件影响了一名患者的结果.
• 在一个手术结果不佳的患者中,该方法发现了比临床上怀疑的更广泛的网络,提供了新的见解.

结论:

• 拟议的图形理论连接性分析可以作为一种有价值的补充工具,用于的手术前评估.
• 这种方法通过整合连接性,传播和图形理论原理来推进发作初期分析.
• 进一步开发可以加强对耐药性的非侵入性手术前规划.