用户定义的虚拟传感器:解决时间加源问题的一个新解决方案

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 发病学 (Epileptology) 是一个专业的学科.

背景情况:

• 耐药性 (MRE) 通常涉及叶 (TLE).
• 时间性加 (TLE+) 患者面临的手术失败的风险是手术失败的五倍.
• 精确的手术前评估对于优化手术结果至关重要.

研究的目的:

• 为了将MEG虚拟传感器波形分析与MRE患者的外科手术结果相关联.
• 将视觉和计算MEG分析与侵入性EEG (iEEG) 发现进行比较.
• 评估用户定义的虚拟传感器 (UDvs) 束形和有效连接 (EC) 枢纽在分类类型 (TLE与TLE+) 和预测手术成功方面的实用性.

主要方法:

• 追溯分析80名接受MEG和iEEG监测的MRE患者.
• 在关键脑部区域放置的传感器的UDvs光束成形的应用.
• 使用自身向量中心度计算MEG有效连接 (EC) 来识别枢纽区域.
• 将UDvs光束转换器和EC集线器与iEEG数据和手术结果进行比较.

主要成果:

• UDvs光束成形显示出与术后结果 (OR=1.22) 和症分类 (TLE与TLE+) (OR=1.47) 的显著关联.
• 电结中心的位置与良好的术后结果有显著的关联 (OR=1.22).
• 与UDvs beamformer.former相比,传统的MEG方法没有产生显著的结果.

结论:

• 在预测术后发作结果和分类类型方面,UDvs光束成型显示与iEEG一致.
• UDvs光束成型为已建立的方法提供了一个补充方法,例如同等电流双极 (ECD) 分析.
• 这种技术有可能提高手术评估的侵入性电极和手术切除计划.