在焦点中使用立体EEG来定位发作的发作区域:SCSA和可见度图的互补特性

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 医疗工程 医疗工程

背景情况:

• 影响着数以百万计的人,超过三分之一的病例是耐药的,需要替代治疗.
• 在手术或神经刺激干预中,精确定位发作区 (SOZ) 是非常重要的.
• 当前的SOZ本地化方法可能是侵入性的,需要专家解释复杂的数据.

研究的目的:

• 开发和验证计算机辅助算法可靠的发作开始区 (SOZ) 定位使用特征工程在立体电脑电图 (s-EEG) 数据.
• 调查半经典信号分析 (SCSA) 和可见度图 (VG) 功能用于SOZ识别的互补性.
• 为帮助医疗专家在焦点的SOZ定位的框架做出贡献.

主要方法:

• 在虚拟大脑 (TVB) 环境中使用Epileptor模型模拟的大脑规模信号.
• 对立体电脑图 (s-EEG) 数据的特征工程分析.
• 研究的半经典信号分析 (SCSA) 和可见度图 (VG) 功能集.

主要成果:

• 在定位发病区 (SOZ) 方面表现出令人满意的结果.
• 确定了SCSA和VG特征的互补性,用于SOZ识别.
• 使用模拟病数据验证了拟议的计算机辅助算法.

结论:

• 开发的计算机辅助算法为准确的抢劫开始区 (SOZ) 定位提供了一个有希望的方法.
• 使用SCSA和VG的特征工程为研究和治疗规划提供了宝贵的贡献.
• 这项工作支持为治疗焦点的临床医生开发先进的决策支持系统.