动态系统建模用于重建中内EEG信号,使用加权最小平方

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
• 信号处理 信号处理

背景情况:

• 影响全球人口的1%,导致发作,可能导致严重的运动,认知和危及生命的损伤.
• 精确的脑图绘制和发性区域的识别对于有效治疗至关重要.
• 动态线性时间不变状态空间模型对于重建内EEG (iEEG) 活动和绘制大脑区域有价值.

研究的目的:

• 研究加权最小方程 (WLS) 作为用于模拟iEEG信号的普通最小方程 (OLS) 的可靠替代方案.
• 与OLS相比,评估WLS在减轻异常值和改善长期信号预测方面的有效性.
• 评估WLS在管理中增强临床应用的潜力.

主要方法:

• 采用动态线性时间不变状态空间模型来重建iEEG信号.
• 使用五个患者的iEEG数据集 (2300个窗口) 进行了WLS和OLS估计方法的比较,采用了1000Hz的样本.
• 利用带有异常值的合成信号来评估模型易感性,并使用根平均平方误差 (RMSE) 来进行性能评估.

主要成果:

• 在人类iEEG记录中,与OLS (0.788 mV) 相比,WLS显示RMSE (0.698 mV) 显著较低 (p < 0.0001).
• 在合成数据上,WLS的RMSE保持在低水平,即使异常值数量增加,而OLS错误显著增加 (p < 0.0001).
• 与OLS相比,WLS更有效地保留了短期和长期的信号结构,这表明了优越的稳定性.

结论:

• 权重最小平方 (WLS) 为iEEG信号重建提供了一个强大的框架,有效地减轻异常值并稳定长期估计.
• 这种WLS方法可以增强临床应用,包括更准确的位定位和神经调节疗法的设计.
• 拟议的数据驱动动态模型可以作为预测辅助,增强临床工作流程,以改善的诊断和治疗决策.