首页 > 文献资料
-
基于高频颅内脑电的致痫区定位和网络分析
目的 通过癫痫发作期颅内高频脑电(60~90 Hz)的分析,实现一种基于非参数统计模型的致痫区定位方法,并研究致痫区内外的脑电信号相干性.方法 首先构造高频脑电归一化指标--高频能量指数,再用该指标量化各导联的致痫性,并定位致痫区,后分析致痫区内外电极的幅度相干和相位相干性.结果 分析了8例有良好术后效果的癫痫患者共1252个电极触点的颅内脑电数据,以临床癫痫灶定位结果作为参考,高频能量指数平均敏感性29.57%、特异性96.67%.8位患者的致痫电极之间的平均相干性显著高于非致痫电极之间的相干性.结论 构造了颅内脑电高频能量指标,并用非参数统计模型定位致痫区,特异性高于已有研究,能够帮助医生在癫痫手术规划中寻找关键相关致痫电极.
-
基于发作间期颅内脑电高频振荡的癫痫病灶定位
通过癫痫发作间期高频颅内脑电信号的记录和分析，实现一种基于概率模型的癫痫病灶定位自动算法。方法以一段时间内颅内脑电高频能量的整体波动性水平为指标，建立大数据概率模型以判断某电极是否覆盖致痫灶。结果本文分析了来自12例癫痫患者948个颅内电极的癫痫发作间期颅内脑电数据，与医生人工定位结果作对比，平均敏感性80.4％±17.3％，特异性87.7％±17.2％；模型的稳定性和性能随着数据量增加而提高。结论本文所提出高频能量波动性算法基于概率模型，不依赖个体化参数、自动化程度高、性能好，有良好的临床应用前景。
-
基于多特征的颅内脑电癫痫检测方法
自动癫痫检测对癫痫病发作的诊断及减轻医务人员繁杂的工作有着重大的意义.本研究提出一种基于多特征的长程颅内脑电癫痫检测的新算法.该算法首先对颅内脑电信号进行小波分解和半波处理,然后提取脑电信号的微分方差、相对能量和波动指数组成特征向量,利用贝叶斯原理求得待检信号特征向量的后验概率,通过阈值判断达到癫痫检测的目的.利用德国弗莱堡长程脑电数据进行实验,检测灵敏度为94.2％,特异性为95.6％,误检率为每小时1.16次.实验表明,该算法能够有效检测出长程颅内脑电中的癫痫信号,并具有较低的运算复杂度,有利于实时脑电检测.
