基于卷积神经网络和EEG信号的发作区域检测
Zhejun Kuang1,2,3, Liming Guo1,2,3, Jingrui Wang1,2,3
1College of Computer Science and Technology, Changchun University, Changchun 130022, China.
Brain sciences
|November 27, 2024
概括
这项研究引入了一种使用卷积神经网络 (CNN) 和电脑图 (EEG) 信号的新方法,以准确检测发作发作区域 (SOZ). 这种方法有效地帮助了患者的手术治疗计划.
科学领域:
- 医疗成像和信号处理
- 计算神经科学是一种神经科学.
- 神经学 神经学
背景情况:
- 精确地定位发作发作区 (SOZs) 是成功的手术的关键.
- 目前用于SOZ本地化的方法可能是复杂和耗时的.
研究的目的:
- 开发和验证一种使用卷积神经网络 (CNN) 和电脑图 (EEG) 信号进行SOZ检测的新方法.
- 提高SOZ定位用于手术规划的准确性和效率.
主要方法:
- 预处理EEG数据,包括过,细分,重新采样和标准化.
- 在单通道EEG数据上训练和测试CNN模型,以识别发作.
- 将训练模型应用于多通道临床EEG数据,用于在21个地点检测发作.
- 使用国际10-20系统可视化发作地点并分析时间变化.
主要成果:
- 在单通道数据集上,CNN模型实现了高精度 (98.70%),灵敏度 (97.53%) 和特异性 (98.98%).
- 该方法在多道临床EEG数据中成功检测了21个部位的活动.
- 可视化提供了对发作传播的明确见解,并使SOZ定位成为可能.
结论:
- 提出的基于CNN的方法有效地对扣押和非扣押数据进行分类.
- 该研究通过分析来自多个EEG道的发作检测结果,成功地定位了SOZ.
- 这种方法为临床医生在诊断和治疗方面提供了宝贵的帮助.
更多相关视频
10:22Interictal High Frequency Oscillations Detected with Simultaneous Magnetoencephalography and Electroencephalography as Biomarker of Pediatric Epilepsy
Published on: December 6, 2016
20.2K
08:20Brain Source Imaging in Preclinical Rat Models of Focal Epilepsy using High-Resolution EEG Recordings
Published on: June 6, 2015
15.3K
