通过神经电生理学大脑网络拓学定位抗药性的发性区域
Wenzhao Zhang1, Zhe Shi1, Weixin Kong2
1The Second Hospital & Clinical Medical School, Lanzhou University, Lanzhou, China.
Frontiers in neuroscience
|February 27, 2026
概括
这项研究表明,脑电脑图 (EEG) 和立体电脑图 (SEEG) 的脑网络分析可以准确地确定耐药性 (DRE) 的发性区域 (EZ). 这种网络拓方法改善了手术规划,以更好地控制发作.
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:
- 耐药性 (DRE) 影响了许多患者,在手术后发作自由度有限.
- 精确地定位发性区域 (EZ) 对于成功的手术至关重要.
- 传统方法有局限性,需要先进的定量脑网络分析.
研究的目的:
- 开发和验证使用神经电生理学信号进行EZ定位的层次分析框架.
- 评估头皮EEG和SEEG中的大脑网络拓特征的诊断价值.
- 通过精确的EZ识别,改善DRE患者的外科治疗结果.
主要方法:
- 建立了一个分析25名DRE患者头皮EEG和SEEG信号的框架.
- 从ictal和interictal记录中构建的大脑网络.
- 采用机器学习分类器 (SVM,随机森林) 来评估EZ本地化网络特征.
主要成果:
- 在SEEG中,EZ显示了降低的拓指标 (程度,集群,局部效率),表明功能隔离 (P < 0.001).
- 使用间头皮EEG进行的SVM模型实现了高诊断性能 (AUC=0.927,精度=85.7%).
- 经过Log转换和Z分数正常化处理的SEEG数据显著改善了SVM模型的性能 (AUC=0.872,精度=81.9%).
结论:
- 在静态状态下,EZ表现出稳定的拓特征.
- 使用头皮EEG用于粗略定位和SEEG用于精确定位的逐步工作流程可以提高手术规划.
- 定量网络拓分析为改善DRE手术结果提供了一个有希望的策略.
