Intracranial EEG structure-function coupling predicts surgical outcomes in focal epilepsy
Alterations to structural and functional brain networks have been reported across many neurological conditions. However, the relationship between structure and function -- their coupling -- is relatively unexplored, particularly in the context of an intervention. Epilepsy surgery alters the brain structure and networks to control the functional abnormality of seizures. Given that surgery is a structural modification aiming to alter the function, we hypothesized that stronger structure-function coupling preoperatively is associated with a greater chance of post-operative seizure control. We con…
2022-04-17 q-bio.NC
Seizure pathways and seizure durations can vary independently within individual patients with focal epilepsy
癫痫发作的电描记动力学的特征在于其时空演变,也称为动力学“路径”和完成该路径所需的时间,这导致癫痫发作的持续时间。癫痫发作途径和持续时间在同一患者中可能不同,产生具有不同动力学、严重程度和临床意义的癫痫发作。然而,目前尚不清楚是否癫痫发作遵循相同的途径将有相同的持续时间,或者如果这些功能可以独立变化。我们比较了这些癫痫发作特征的受试者内变异性,使用1)31例患者的癫痫监测单元颅内脑电图(iEEG)记录(平均6.7天,16.5次癫痫发作/受试者),2)10例患者的NeuroVista慢性iEEG记录(平均521.2天,252.6次癫痫发作/受试者)和3)3只具有局灶性发作癫痫发作的犬的慢性iEEG记录(平均324.4天,62.3次癫痫发作/受试者)。虽然癫痫发作途径和持续时间之间的关系强度具有高度受试者特异性,但在大多数受试者中,癫痫发作途径的变化仅与癫痫发作持续时间的差异弱至中度相关。癫痫发作途径和持续时间之间的关系被以下癫痫发作削弱:1)具有共同途径,但持续时间不同(“弹性途径”),或2)具有相似的持续时间,但遵循不同的途径(“重复持续时间”)。即使在具有不同的短期和长期癫痫发作人群的受试者中,癫痫发作持续时间也不是不同癫痫发作途径的可靠指标。这些发现表明,癫痫发作的途径和持续时间是由不同的过程调制。揭示这种调节剂可能揭示新的治疗目标,减少癫痫发作的持续时间和严重程度。
2021-09-14 q-bio.NC q-bio.QM
More variable circadian rhythms in epilepsy captured by long-term heart rate recordings from wearable sensors
本研究通过分析超7万小时智能手表心率数据,发现癫痫患者昼夜节律周期和峰相位的个体内变异性显著高于健康对照,但该变异性与发作频率无关,可能由癫痫病因学而非发作驱动。
2025-04-01 q-bio.NC
From Epilepsy Seizures Classification to Detection: A Deep Learning-based Approach for Raw EEG Signals
SynapCell SAS;Univ. Grenoble Alpes, CNRS, Grenoble INP, LJK(格陵兰大学阿尔卑斯分校、国家科学研究中心、格陵兰理工学院、LJK)
本文提出基于深度学习的原始EEG信号处理方法,用于癫痫发作检测与分类,通过预处理、后处理及严格评估流程提升检测准确性,并在跨物种验证中表现优异。
2025-11-02 cs.LG q-bio.NC
Computational Models For Epilepsy
癫痫是一种以反复发作和自发性发作为特征的神经系统疾病。它影响到全世界约5000万人。在大多数情况下,可以在不使用任何先进技术的情况下对疾病进行准确诊断,并通过定期使用抗癫痫药物的标准治疗来控制癫痫发作。然而,大约30%的患者患有医学难治性癫痫,其中癫痫发作不能通过使用抗癫痫药物来控制。了解这些形式的耐药性癫痫发作的机制和替代有效的治疗策略的发展是现代癫痫研究的一个基本挑战。在这种情况下,需要采取综合办法,将各种治疗策略结合起来。近年来,计算建模作为解决癫痫现象复杂性的重要工具已经变得突出。在这篇综述文章中,我们提出了一个调查不同的计算模型癫痫和讨论如何计算机模型可以帮助我们理解癫痫的大脑机制和新的癫痫治疗方案的发展。
2012-01-14 q-bio.NC q-bio.QM
Graph-Based Deep Learning on Stereo EEG for Predicting Seizure Freedom in Epilepsy Patients
Children’s National Hospital(儿童国家医院);School of Medicine and Health Sciences, George Washington University(乔治·华盛顿大学医学与健康科学学院)
本研究提出基于图神经网络的深度学习模型,利用儿科难治性癫痫患者的立体定向脑电图数据预测发作缓解,准确率较高并识别关键脑区,为个性化癫痫治疗提供支持。
2025-02-21 cs.LG eess.SP q-bio.NC
Assessing criticality in pre-seizure single-neuron activity of human epileptic cortex
癫痫发作的特征是异常和过度的神经活动,其中皮质网络动力学似乎变得不稳定。然而,大多数时候,在无癫痫期,癫痫患者的皮层表现出完全稳定的动力学。这就提出了一个问题,即在这种稳定的违约状态下,反复出现的不稳定是如何产生的。在这项工作中,我们研究了两种潜在的癫痫发作的情况:(i)癫痫皮质区通常可能更接近不稳定,这将使癫痫患者更容易发生癫痫发作,或(ii)癫痫皮质区可能在癫痫发作前系统地向不稳定方向漂移。我们分析了20例癫痫患者的致痫性(局灶性)和非局灶性皮质半球的单单位锋电位记录。我们量化的距离不稳定的临界性的框架中,使用一种新的估计,这使得一个无偏的推断,从一个小的记录神经元。令人惊讶的是,我们没有发现这两种情况的证据:病灶区通常不接近不稳定,癫痫发作之前也没有向不稳定漂移。事实上,我们从癫痫发作前和无癫痫发作间隔的结果表明,尽管有癫痫,人类大脑皮层仍在稳定的、稍微亚临界的状态下运行,就像其他健康的人一样。
2021-04-05 physics.bio-ph q-bio.NC
MEG abnormalities and mechanisms of surgical failure in neocortical epilepsy
在30-40%的病例中,新皮质癫痫手术未能实现术后无癫痫发作。目前还不完全清楚为什么有些患者的手术不成功。比较发作间期脑磁图频带功率从病人到规范的地图,这描述了健康的空间和人口的变异性,我们确定患者的具体异常手术失败。我们提出了导致手术结果不佳的三种机制:1)未能切除异常,2)未能切除所有致癫痫异常,3)未充分影响整体皮质异常。我们开发了这些机制的标记物,并根据患者的结果对其进行验证。静息状态MEG数据采集70名健康对照和32例难治性新皮质癫痫患者。使用来自健康对照的源定位记录计算相对频带功率图。使用健康数据作为基线,将患者和特定区域的频带功率异常估计为最大绝对z分数。从术后MRI中识别切除区域。我们假设我们的机制标志物将区分患者的术后癫痫发作的结果。手术失败的机制可区分手术结局组(未靶向切除:AUC=0.80,致痫区部分切除:AUC=0.68,皮质异常影响不足:AUC=0.64)。将所有标志物结合在一起发现,95%的癫痫发作患者在三种拟议机制中的至少一种机制中具有手术失败的标志物。相比之下,在这些患者的任何机制的标志物中,80%是无结石的。大脑异常映射对于广泛的神经系统疾病是重要的。在这里,我们证明了发作间期脑磁图的频带功率映射具有定位病理和提高我们对癫痫的机械理解的优点。
2023-02-11 q-bio.NC
The impact of epilepsy surgery on the structural connectome and its relation to outcome
颞叶手术切除使高达80%的患者癫痫发作缓解,41%的患者长期完全无癫痫发作。然而,目前尚不清楚手术如何影响结构性白质网络,以及网络变化如何与癫痫发作结果相关。我们在术前弥散MRI上使用白质纤维束成像来生成结构性白质网络,并在术后使用T1加权MRI来回顾性地推断手术切除对该网络的影响。然后,我们应用图论和机器学习来研究术前和预测术后网络之间的变化特性。颞叶手术对全球网络效率的影响不大,尽管造成了中断。这是由于网络中的替代最短路径导致手术后介数中心性的广泛增加。网络变化的测量可以回顾性地预测癫痫发作结果,准确性为79%,特异性为65%,是经验分布的两倍。15个因手术而改变的连接被确定为对预测结果有用,其中8个连接到同侧颞极。我们的研究结果表明,使用网络变化指标可能对预测癫痫发作结果具有临床价值。这种方法可用于前瞻性预测结果,仅使用术前数据给出建议的切除掩模。
2018-03-23 q-bio.NC
Individual structural connectivity defines propagation networks in partial epilepsy
神经网络振荡是认知、知觉和意识的基本机制。因此,网络活动的扰动在脑疾病的病理生理学中起着重要作用。当来自非侵入性脑成像的结构信息与数学建模相结合时,生成性脑网络模型构成了探索脑功能因果机制和临床假设检验的计算机平台。我们在这里展示了耐药性癫痫的例子,来自扩散MRI的患者特定的虚拟脑模型具有足够的预测能力,以改善诊断和手术结果。在部分性癫痫中,癫痫发作起源于一个局部网络,即所谓的致痫区,然后再招募其他近距离或远距离的大脑区域。我们为15名患者创建了个性化的大规模大脑网络,并模拟了个体癫痫发作的传播模式。根据术前立体定向脑电图(SEEG)数据和标准治疗临床评价进行模型确认。我们证明,个人的大脑模型占患者癫痫发作传播模式的时间变异性,并解释手术后成功的变异性。我们的研究结果表明,结构连接的个体差异,当与数学动态模型相联系时,有能力解释在基于网络的大脑疾病中观察到的大脑动态时空组织的变化,从而开辟了发现新的临床干预措施的途径。
2016-04-28 q-bio.NC
Focal to bilateral tonic-clonic seizures are associated with widespread network abnormality in temporal lobe epilepsy
目的:确定颞叶癫痫(TLE)和局灶性双侧强直阵挛性发作(FBTCS)患者的全脑结构网络改变是否与无FBTCS患者的改变不同。研究方法:我们将83名TLE耐药患者分为FBTCS组和非FBTCS组,并将每组与29名健康对照组进行比较。对于每个受试者,我们使用扩散MRI构建全脑结构网络。首先,我们通过进行FBTCS阴性(FBTCS-)与对照和FBTCS阳性(FBTCS+)与对照比较来测量改变的程度,从而描绘出全脑结构网络的改变的子网络。其次,通过使用控制网络标准化每个患者的网络,我们测量了网络中每个大脑区域的受试者特异性异常,从而量化了每个患者的空间定位和异常量。结果如下:与对照组相比,FBTCS+和FBTCS-患者组的子网络均发生改变,各向异性分数(FA)降低,平均扩散率(MD)增加。FBTCS+患者中改变的子网络比FBTCS-患者中更广泛(FBTCS+中在t>3时441个连接改变,p<0.001,相比之下,FBTCS-中在t>3时21个连接改变,p=0.01)。在FBTCS+患者中,整个脑网络聚集的异常以及单个脑区域的分辨率评估的异常显著更大(p<0.001,d=0.82)。相比之下,FBTCS患者的异常较少,主要局限于颞叶和额叶。意义:TLE和FBTCS患者的全脑结构网络改变更大,更广泛。我们认为,这些异常的网络可能作为一个潜在的结构基础或结果更大的癫痫发作蔓延观察FBTCS。
2020-09-28 q-bio.NC
Epilepsy and its driving forces: understanding the forces behind epileptical pathogenisis
该综述梳理癫痫定义的历史与挑战、多方面成因,按机制和诱因分类癫痫发生的机制与病因,概述癫痫样发作诊疗的最新进展,为个性化治疗、科研推进及公共卫生规划提供支撑。
2025-02-22 q-bio.NC
Open diffusion MRI and connectivity data for epilepsy and surgery: The IDEAS II release
Newcastle University(纽卡斯尔大学);UCL Queen Square Institute of Neurology(伦敦大学学院女王广场神经科学研究所);UCL(伦敦大学学院);The University of Western Australia(西澳大学);Queen’s University(女王大学)
IDEAS II发布开放的扩散磁共振成像和连接数据,用于研究癫痫的结构连接性和手术结果,提供216名癫痫患者和98名健康对照者的DWI数据及预处理后的扩散度量图、分割结构连接体等信息。
2026-02-10 q-bio.NC
Passivity-Based Control of Electrographic Seizures in a Neural Mass Model of Epilepsy
University of California, Riverside(加州大学河滨分校)
本文基于被动控制理论,分析了癫痫发作动力学的被动性,并提出通过输出重设计实现癫痫稳定化的策略,为闭环神经调节提供了理论基础。
2026-03-27 cs.SY eess.SY q-bio.NC
Anti-seizure medication load is not correlated with early termination of seizure spread
本研究通过颅内脑电图和药代动力学模型,发现抗癫痫药物浓度与癫痫传播早期终止无显著关联,提示药物缩短发作时长可能通过独立于阻断传播的机制实现。
2025-06-18 q-bio.NC
Parsing spatiotemporal dynamical stability in ECoG during seizure onset, propagation, and termination
了解癫痫的脑动力学对于建立严格的控制目标至关重要,这些目标使新的治疗方法能够减轻癫痫发作的发生。在21名受试者共94次癫痫发作期间获得的多通道皮层脑电图(ECoG)记录中,我们应用动力系统稳定性分析来评估不同时间尺度和大脑区域癫痫发作动力学的平衡与不平衡。具体而言,我们考虑一个滑动时间窗口的多变量自回归线性近似的ECoG通道,其中估计的系数矩阵的特征分解描述了不同区域的时空过程(特征向量)与特定的时间尺度(特征值)的贡献所捕获的数据。有趣的是,我们观察到的特征值演变和缓慢变化(或近似时不变)的特征向量在癫痫发作和主题的模式。发病的特点是高频空间信息的增加,其中一些地区的贡献很长一段时间。相比之下,癫痫发作终止的特征在于多个区域促成的动力学的突然、小的时间段变化。当癫痫发作终止时,相对稳定的发作动力学迅速过渡到发作后状态,以相对快速的阻尼振荡为标志。我们的方法提供了一个特定主题的癫痫发作的时空行为的表征,提供了新的见解的动态模式和功能之间的相互作用,发生在不同的时间尺度的大脑区域。更一般地说,我们的方法通知工程目标,可用于部署新的控制策略,以防止癫痫发作的演变或加快癫痫发作终止的发展。
2017-06-26 q-bio.NC
Inadequate experimental methods and erroneous epilepsy diagnostic criteria result in confounding acquired focal epilepsy with genetic absence epilepsy
在这里,我们提供了一个彻底的讨论罗杰斯等人进行的研究。2015; 35(24):9194-204。doi:10.1523/JNEUROSCI.0919-15.2015)来研究大鼠中由头部损伤诱导的局灶性癫痫发作和获得性癫痫发生。这份手稿是我们给编辑的信的补充文件,将刊登在《神经科学杂志》上。我们发现,主题文章遭受不良的实验设计,非常有选择性地考虑前期文献,并应用不适当的癫痫诊断标准,一起,导致不必要的结论。
2015-09-03 q-bio.NC
The Imaging Database for Epilepsy And Surgery (IDEAS)
本文发布IDEAS开源数据集,含442例药物难治性局灶性癫痫手术患者的预处理MRI、切除掩码及长期随访信息,并复现关键临床与影像发现以支持计算方法研究。
2024-06-10 q-bio.NC
Combined impact of grey and superficial white matter abnormalities: implications for epilepsy surgery
本研究分析143名TLE患者与97名对照的多模态MRI,发现联合GM与SWM异常可更好预测术后结局,完全切除一致异常区域者均获良好结局。
2025-03-17 q-bio.NC
Genetic and Neuroanatomical Support for Functional Brain Network Dynamics in Epilepsy
局灶性癫痫是一种毁灭性的神经系统疾病,影响了世界各地的绝大多数患者,其中许多人证明对药物有抗药性。由于缺乏准确有效的方法来融合多模态神经成像数据以映射驱动癫痫发作动力学的解剖靶点,目前用于治疗这些患者的创新技术的功效已经停滞。在这里,我们提出了一个简约模型,解释了大规模解剖网络和共享遗传约束如何塑造局灶性癫痫的区域间交流。从一组难治性局灶性癫痫患者获得的大量ECoG记录中,我们发现发作期和发作前功能性脑网络动态可以从脑解剖结构和几何结构、白质连接模式和基因共表达模式中的约束条件中准确预测,所有这些在健康成年人群中都是保守的。此外,我们发现的证据表明,标志物的非保守的架构,可能驱动的特异质病理的单一科目,是最普遍的高频率发作动态和低频率发作前动态。最后,我们发现,发作动力学更好地预测白质功能和更差的预测几何和遗传约束比preictal动力学,这表明癫痫发作中表现出的功能性大脑网络动力学依赖于-并可能直接传播-基本的白质结构,这在很大程度上是保守的人类。从广义上讲,我们的工作提供了对人类大脑影响癫痫发作动力学的一般结构原理的见解,并且可以扩展到进一步理解,模型和预测受试者级别的病理和对干预的反应。
2018-09-11 q-bio.NC
A library of quantitative markers of seizure severity
目的:了解癫痫发作严重程度在个体内的波动对于确定治疗结果和对治疗的反应以及开发癫痫的新治疗方法非常重要。目前的癫痫严重程度分级方法依赖于患者和临床医生的定性解释。癫痫发作严重程度的定量测量将补充现有的方法,用于EEG监测、结果监测和癫痫发作预测。因此,我们开发了一个定量脑电图(EEG)标记物库,用于评估癫痫发作期间和之后异常电活动的扩散和强度。方法:我们分析了63例1056次癫痫发作的颅内脑电图(iEEG)记录。对于每次癫痫发作,我们计算了16个癫痫发作严重程度的标志物,这些标志物捕获了癫痫发作的信号幅度、扩散、持续时间和发作后抑制。结果:癫痫发作严重程度的定量EEG标记物区分了患者的局灶性与亚临床和局灶性与FTBTC癫痫发作。在个体患者中,71%的局灶性癫痫发作和亚临床癫痫发作之间在三个或更多标志物方面存在中度至较大差异(秩和r > 0.3)。分别有67%和53%的患者出现昼夜节律和长期严重程度变化。结论:我们证明了使用定量iEEG标记物测量癫痫发作严重程度的可行性。我们的定量标志物区分癫痫发作类型,因此对癫痫发作严重程度的定性差异敏感。我们的研究结果还表明,癫痫发作的严重程度是调制在不同的时间尺度。我们设想,我们提出的癫痫发作严重程度库将与癫痫研究界合作扩大和更新,以包括更多的措施和方式。
2023-01-27 q-bio.NC
Early reduced dopaminergic tone mediated by D3 receptor and dopamine transporter in absence epileptogenesis
本研究通过GAERSs多方法实验发现,发作前D3R与多巴胺转运体表达及活性升高导致多巴胺能张力失衡,并参与失神癫痫发生,多巴胺稳定剂可抑制该过程。
2024-09-18 q-bio.NC
A Novel Method for Epileptic Seizure Detection Using Coupled Hidden Markov Models
提出了一种新的耦合隐马尔可夫模型来检测多通道脑电数据中的癫痫发作。我们的模型定义了一个网络的癫痫发作传播路径捕捉癫痫活动的时间和空间演变。为了解决棘手的耦合相互作用,我们推导出一个变分推理过程,有效地推断癫痫发作的演变从EEG数据的频谱模式。我们验证了我们的模型在临床条件下获得的脑电图在约翰霍普金斯医院癫痫监测单位。使用5折交叉验证,我们证明了我们的模型优于依赖于经典检测框架的三种基线方法。我们的模型也证明了在局灶性癫痫中定位癫痫发作区的潜力。
2018-08-10 eess.SP q-bio.NC
Vagus nerve stimulation: Laying the groundwork for predictive network-based computer models
本研究构建了首个用于癫痫迷走神经刺激的扩展网络计算模型,通过分岔分析与噪声模拟验证了其能重现体内癫痫动态,为优化个体治疗和预测患者反应奠定了基础。
2024-06-04 q-bio.NC
Seizure freedom after surgical resection of diffusion-weighted MRI abnormalities
本研究基于200例耐药性局灶性癫痫患者的回顾性数据,发现手术切除dMRI识别的最大扩散异常簇与术后长期癫痫无发作显著相关,部分切除即可改善结局,提示dMRI可用于优化术前规划。
2024-10-04 q-bio.NC q-bio.QM
Integrating Artificial Intelligence with Real-time Intracranial EEG Monitoring to Automate Interictal Identification of Seizure Onset Zones in Focal Epilepsy
University of Illinois(伊利诺伊大学);Mayo Clinic(梅奥诊所);Czech Institute of Informatics, Robotics and Cybernetics(捷克信息学、机器人学与控制论研究所);Czech Technical University in Prague(布拉格捷克理工大学)
一种绘制脑组织的能力,即,癫痫发作起始区(SOZ),而不记录实际癫痫发作,可以减少耐药癫痫患者侵入性EEG监测的持续时间。文献中广泛采用的做法是比较与癫痫脑组织相关的假定病理电生理学生物标志物的发生率(事件/时间)与通过颅内EEG记录的自发性癫痫发作确定的SOZ,主要使用单一生物标志物。由于(a)患者间的变异性和(b)致癫痫活动的时间变异性,先前努力的临床转化无法在多个患者中推广。在这里,我们报告了一种基于人工智能的方法,用于结合多种发作间期电生理生物标志物及其时间特征,作为解释上述障碍的一种方式,并表明它可以可靠地识别82名接受耐药性癫痫评估的患者的研究队列中的癫痫发作区。我们的研究提供了证据,证明与先前发表的基于单一生物标志物发生率的方法相比,利用多个电生理生物标志物及其时间特征提供的互补信息可以显著提高定位潜力,从而在82例患者的队列中获得0.73的ROC曲线下平均面积(AUC)值。我们的研究结果还表明,记录持续时间在90分钟和两个小时之间是足够的本地化SOZ的准确性,可能证明临床相关。我们的方法在82名患者的大队列中的成功验证,保证了未来对利用术中EEG监测和人工智能定位致癫痫脑组织的可行性的研究。
2018-12-15 cs.AI q-bio.NC q-bio.QM
Recurrence Quantification Analysis of Dynamic Brain Networks
有证据表明,大脑网络动力学是大脑功能和功能障碍的关键决定因素。在这里,我们提出了一个新的框架来评估基于递归分析的大脑网络的动态。我们的框架使用递归图和递归量化分析来表征动态网络。对于静息态脑磁图动态功能网络(dFN),我们发现癫痫患者的功能网络比健康对照组更快地复发。这表明dFN的复发可用作癫痫的生物标志物。对于立体脑电图数据,我们发现癫痫发作中涉及的dFN在癫痫发作之前出现,并且复发分析使我们能够检测癫痫发作。我们进一步观察癫痫发作前后不同的dFN,这可能为预防癫痫发作的神经刺激策略提供信息。我们的框架也可用于了解dFN在健康的脑功能和其他神经系统疾病,除了癫痫。
2020-09-16 cond-mat.dis-nn q-bio.NC
Dynamic Changes of Brain Network during Epileptic Seizure
本研究通过构建多频段脑网络、提取拓扑特征并结合无监督聚类,揭示癫痫发作期脑同步性及网络拓扑的动态变化,指出脑动力学比传统三态模型更复杂且发作期状态变化更慢。
2023-10-04 eess.SP q-bio.NC
Focal cortical dysplasia as a cause of epilepsy: the current evidence of associated genes and future therapeutic treatments
局灶性皮质发育不良(FCD)是影响儿科人群的难治性癫痫的最常见原因。大多数FCD患者在生命的前五年内发作癫痫发作,大多数人在十六岁时发作癫痫发作。许多FCD病例被认为是子宫内异常脑发育的结果,通过在皮质生成期间调节神经元生长和迁移的种系或体细胞基因突变。其他FCD病例被认为与大脑发育期间的感染有关,甚至其他原因仍然无法完全确定。典型的抗癫痫药物在FCD中通常无效,并且由于涉及大脑的功能区或致癫痫灶的切除不足而无法成功进行手术,这对医生构成了挑战。FCD的遗传性质为药物开发提供了一条途径,在过去的二十年中,有几个遗传和分子靶点正在进行研究。
2022-01-26 q-bio.GN q-bio.NC q-bio.SC
Controlling seizure propagation in large-scale brain networks
信息在人脑中的传递从根本上说是一个动态网络过程。在部分性癫痫中,这一过程受到干扰,高度同步的癫痫发作起源于一个局部网络,即所谓的致痫区(EZ),然后再招募其他近距离或远距离的大脑区域。我们研究了15例植入立体定向脑电图(SEEG)电极的耐药癫痫患者的患者特异性脑网络模型。每个个性化的大脑模型来自磁共振成像(MRI)和扩散张量加权成像(DTI)的结构数据,包括88个节点配备有区域特异性神经质量模型,能够证明一系列癫痫样放电。每个病人的虚拟大脑进一步个性化,通过整合临床假设的EZ。随后的模拟和连接调制进行,并发现了一个有限的剧目癫痫发作传播模式。在患者中,我们发现(i)患者特定的网络连接性可预测随后的癫痫发作传播模式;(ii)癫痫发作传播的特征在于大脑状态的系统序列;(iii)传播可以通过对连接矩阵的最佳干预来控制;(iv)与传统切除手术相比,通过本文提出的癫痫发作控制可以显著降低侵入性程度。为了阻止癫痫发作,神经外科医生通常会完全切除EZ。我们表明,稳定性分析的网络动态使用图论度量估计可靠的时空特性的癫痫发作传播。这表明新的微创手术干预模式,以治疗和管理部分癫痫。
2018-04-10 cond-mat.dis-nn nlin.AO nlin.CD
Machine Learning Methods Applied to Cortico-Cortical Evoked Potentials Aid in Localizing Seizure Onset Zones
University of Florida(佛罗里达大学);NVIDIA(英伟达);University of Utah(犹他大学);Harvard University(哈佛大学)
癫痫影响着数百万人,降低了生活质量,增加了过早死亡的风险。三分之一的癫痫病例是耐药性的,需要手术治疗,这就需要定位大脑中的癫痫发作区(SOZ)。已经尝试使用皮质-皮质诱发电位(CCEP)来改善SOZ定位,但没有一个成功的临床采用。在这里,我们比较了10个机器学习分类器在从CCEP数据定位SOZ方面的性能。这项初步研究验证了机器学习的一个新应用,结果表明我们的方法是一个有前途的研究方向,值得进一步研究。这项工作还有助于促进与其他机器学习和/或癫痫研究人员的讨论和合作。
2022-11-15 cs.LG eess.SP q-bio.NC
Neural mass modeling of slow-fast dynamics of seizure initiation and abortion
癫痫是一种动态复杂的神经系统疾病,约占全球人口的1%,其中30%的患者具有耐药性。癫痫的特征在于反复发作的阵发性神经放电(所谓的癫痫发作),其通过在深度EEG记录中观察到的大幅度节律性活动,特别是在局部场电位(LFP)中表现出来。表征向癫痫发作转变的特征涉及复杂的振荡模式,其可以作为通过触发适当的治疗性神经刺激方法来防止癫痫发作开始的标记。为了研究这样的协议,在介观尺度的神经生理学集总参数模型,即神经质量模型,是强大的工具,不仅模仿LFP信号,但也提供了有关癫痫发作的不同阶段的神经机制的见解。在这里,我们分析了神经质量模型的多时间尺度动力学,并解释了癫痫发作开始前观察到的复杂振荡的基本结构。我们研究了刺激的人群特异性效应和刺激参数对突触时间尺度的依赖性。特别是,我们表明,中间刺激频率(>20 Hz)可以中止癫痫发作,如果时间尺度的差异是明显的。这些结果在基于组织的神经生理特性的治疗性脑刺激方案的设计中具有潜力。
2020-06-15 math.DS q-bio.NC
Prediction and Control of Focal Seizure Spread: Random Walk with Restart on Heterogeneous Brain Networks
全脑模型提供了一种很有前途的预测癫痫发作扩散的方法,这对于成功地手术治疗局灶性癫痫至关重要。现有的研究方法大多基于结构连接体,忽略了大脑区域兴奋性异质性的影响。在这项研究中,我们使用了一个全脑模型来证明节点兴奋性的异质性对网络中的癫痫发作传播有显著影响,并损害了结构连接的预测准确性。然后,我们解决了这个问题的一个算法的基础上重新开始的随机游走图。实验结果表明,该算法通过建立各节点的重启概率与兴奋性之间的关系,可以显著提高异构网络中癫痫发作传播的预测精度,并且对异构程度具有更强的鲁棒性.我们还制定了手术癫痫控制的策略,作为一个过程,以确定和删除负责从病灶区域癫痫发作的早期传播的关键节点(连接)。与基于结构连接的策略相比,采用基于mRWER的策略的虚拟手术产生了高成功率的结果,同时通过去除更少的解剖连接来保持对大脑的低损伤。这些发现可能在制定个性化的癫痫手术策略方面具有潜在的应用价值。
2022-04-14 physics.bio-ph q-bio.NC
On The Ignition, Propagation and Termination Of The Neuronal Bursting Activity During Ictogenesis In Epileptic Patients
癫痫会导致自发性癫痫发作的概率持续增加。由于神经网络内有利于兴奋的兴奋性与抑制性输入之间的微调平衡的急性干扰,发作发生。目前的文献提出活动依赖性去抑制是慢性癫痫的有效机制,但没有提供线索,说明为什么这种机制只出现在癫痫患者中,以及过度活跃的癫痫发作网络中活动依赖性去抑制导致的恶性循环将如何结束。一个新的模型,提出慢性癫痫作为一种疾病的错误架构的神经回路,进行了讨论。其中,可变的遗传或获得的易感因素驱动多个神经回路的构造异常,导致活动依赖性正反馈兴奋性回路,其将正常神经回路转变为发作病灶。这种新的机制,点燃活动依赖性不稳定的兴奋与随后相对稳定的去抑制,导致发作性逸搏节律。这种爆发活动的传播发生在电化学上通过突触通信到远程易感电路,或化学上通过触发波招募未连接的近端神经元。当抑制性中间神经元在功能上恢复并重新施加其对致痫回路的抑制作用以将逃逸节律转化为正常的、受控的输出时,终止突然发生。所提出的模型阐明了各种神秘的疾病的特点,并说明了最终结果的ictogenic机制所产生的各种各样的人类自发性和获得性癫痫的病因,以及从正常活动的发作过渡的时间。
2018-10-18 q-bio.NC
Principle components analysis for seizures prediction using wavelet transform
Shaheed Zulfikar Ali Bhutto Institute of Science and Technology(沙希德·祖尔菲卡尔·阿里·布托科学技术学院);FAST National University of Computer and Emerging Sciences(FAST国家计算机与新兴科学大学)
癫痫是一种由于神经元异常活动而频繁发作的疾病。受这种疾病影响的患者可以在药物或外科手术的帮助下进行治疗。然而,这两种方法都不是很有用。有效治疗癫痫患者的唯一方法是在发作前预测癫痫发作。据观察,大脑信号的异常活动在癫痫发作之前就开始了,称为发作前状态。许多研究人员提出了机器学习模型,通过检测发作前状态的开始来预测癫痫发作。然而,预处理,特征提取和分类仍然是一个巨大的挑战,在预测发作前期状态。因此,我们提出了一个模型,使用共同的空间模式滤波和小波变换的预处理,主成分分析的特征提取和支持向量机检测发作前期状态。我们已经将我们的模型应用于23名受试者,84次癫痫发作的平均灵敏度为93.1%。
2020-03-09 cs.LG eess.SP q-bio.NC
Transition behavior of the seizure dynamics modulated by the astrocyte inositol triphosphate noise
本研究构建纳入星形胶质细胞IP3噪声的神经元-星形胶质细胞网络模型,通过模拟分析发现噪声强度对癫痫发作模式、双稳态及去极化阻滞时长有调控作用,为解释癫痫发作随机性提供了新途径。
2022-10-31 q-bio.NC
Trophic structure predicts seizure propagation in brain network models
University of Birmingham(伯明翰大学);Lancaster University(兰卡斯特大学)
该研究基于有向网络的癫痫发作动力学模型,发现营养相干性等结构特性与癫痫发作倾向密切相关,其模拟结果随网络规模增大而增强,提示大脑信息处理的整体方向性或与癫痫发作倾向有关。
2026-08-14 physics.soc-ph q-bio.NC
Real-time Sub-milliwatt Epilepsy Detection Implemented on a Spiking Neural Network Edge Inference Processor
State Key Laboratory of Digital Medical Engineering(数字医学工程国家重点实验室);Key Laboratory of Biomedical Engineering of Hainan Province(海南省生物医学工程重点实验室);School of Biomedical Engineering Hainan University(海南大学生物医学工程学院);SynSense Co.Ltd.(SynSense有限公司);SynSense AG(SynSense股份公司)
本文提出在神经形态处理器Xylo上部署SNN进行实时EEG癫痫发作检测,实现高准确率与亚毫瓦级低功耗,适用于便携可穿戴设备。
2024-10-22 cs.AI cs.LG cs.NE
No evidence for critical slowing down prior to human epileptic seizures
目前正在辩论是否存在可适用于不同系统的关键转型通用预警信号。人类癫痫大脑通常被认为是一个原型系统,因为极端事件癫痫发作具有破坏性,有时甚至危及生命。30多年的国际努力已经成功地确定了即将缉获的预测因素。然而,适用于典型的预警指标的关键放缓,即方差和滞后1自相关,索引癫痫发作的易感性仍然是有争议的讨论。在这里,我们调查了28名癫痫患者的长期多通道脑动力学记录。使用基于代理人的评估程序的敏感性和特异性的时间分辨估计的早期预警指标,我们没有发现任何证据的关键放缓之前,105癫痫发作。
2019-08-23 physics.bio-ph physics.med-ph q-bio.NC
Omni-iEEG: A Large-Scale, Comprehensive iEEG Dataset and Benchmark for Epilepsy Research
UCLA Samueli School of Engineering(UCLA 工程学院);UCLA Mattel Children’s Hospital, David Geffen School of Medicine(UCLA 马特尔儿童医院,大卫·格芬医学院);Children’s Hospital of Michigan, Wayne State University School of Medicine(密歇根儿童医院,韦恩州立大学医学院)
Omni-iEEG提供了一个大规模的iEEG数据集和基准,用于癫痫研究,包含302名患者178小时的高分辨率记录及36000个专家验证的病理事件注释,旨在提升癫痫研究的可重复性和临床相关性。
2026-02-19 cs.AI cs.LG q-bio.NC
Staging Epileptogenesis with Deep Neural Networks
Epilepsy Center Frankfurt(法兰克福癫痫中心);Rhine-Main Neurocenter(莱茵-美因神经中心)
癫痫是一种常见的神经系统疾病,其特征是反复发作并伴有过度的同步脑活动。大脑结构和功能改变导致癫痫易感性增加并最终自发性癫痫发作的过程称为癫痫发生(EPG),可以持续数月甚至数年。检测和监测EPG的进展可以允许有针对性的早期干预,可以减缓疾病进展甚至阻止其发展。在这里,我们提出了一种使用深度神经网络对EPG进行分期的方法,并识别潜在的脑电图(EEG)生物标志物来区分EPG的不同阶段。具体而言,从啮齿动物模型中收集连续颅内EEG记录,其中癫痫由电穿孔通路刺激(PPS)诱导。训练深度神经网络(DNN)以区分来自刺激之前(基线)、PPS之后不久和PPS之后很久但在第一次自发性癫痫发作(FSS)之前的EEG信号。实验结果表明,我们所提出的方法可以从三个阶段的平均曲线下面积(AUC)为0.93,0.89和0.86的EEG信号进行分类。据我们所知,这代表了在使用DNN的FSS之前进行EPG的首次成功尝试。
2020-06-17 cs.LG eess.SP q-bio.NC
NET-TEN: a silicon neuromorphic network for low-latency detection of seizures in local field potentials
神经系统疾病的治疗干预仍然严重依赖于药物解决方案,而耐药性患者的治疗仍然是一个公开的挑战。这对于癫痫患者尤其如此,其中30%的患者对药物治疗无效。在这种情况下,用于长期记录和电调制大脑活动的植入式设备已被证明是一种可行的替代方案。为了进行操作,该器械应检测来自局部场电位(LFP)的相关电图生物标志物,并确定正确的刺激时间。为了实现及时的干预,理想的设备应该以低延迟实现生物标志物检测,同时在低功耗下运行以延长电池寿命。神经形态网络作为低延迟、低功耗的计算系统逐渐获得了声誉,这使得它们成为下一代植入式神经接口的处理核心。在这里,我们介绍了一个完全模拟的神经形态器件实现CMOS技术分析LFP信号在体外模型的急性发作。我们表明,该系统可以检测到发作和发作间期事件与ms延迟和高精度,平均消耗3.50 nW的任务期间。我们的工作为新一代大脑植入式设备铺平了道路,用于癫痫治疗的个性化闭环刺激。
2022-10-19 cs.AR cs.HC eess.SP
Human Intracranial EEG Quantitative Analysis and Automatic Feature Learning for Epileptic Seizure Prediction
目的:本研究的目的是开发一个有效的和可靠的癫痫发作预测系统,使用颅内脑电图(iEEG)数据,特别是对耐药性癫痫患者。预测程序应该以足够快的方式产生准确的结果,以提醒患者即将发生癫痫发作。方法:我们定量分析人类iEEG数据,以深入了解人类大脑在癫痫发作之前和之间的行为。然后,我们介绍了一种有效的预处理方法,用于减少数据的大小和转换的时间序列iEEG数据到一个类似图像的格式,可以用作输入到卷积神经网络(CNN)。此外,我们提出了一种癫痫发作预测算法,该算法使用协作多尺度CNN对iEEG数据进行自动特征学习。结果如下:1)iEEG通道包含互补信息,排除单个通道对于保留准确预测癫痫发作所需的空间信息是不可取的。2)传统的主成分分析不是一种可靠的方法来减少癫痫发作预测的iEEG数据。3)手工制作的iEEG功能可能不适合可靠的癫痫发作预测性能,因为iEEG数据在患者之间以及同一患者的时间内会发生变化。4)癫痫发作预测结果表明,我们的算法优于现有的方法,实现了87.85%的平均灵敏度和AUC得分为0.84。结论:了解人类大脑在癫痫发作之前和远离癫痫发作时的行为有助于更好地设计癫痫发作预测器。意义:准确的癫痫发作预测算法可以警告患者下一次癫痫发作,以便他们避免危险活动。然后可以使用药物来中止即将发生的癫痫发作,并将受伤的风险降至最低。
2019-04-07 cs.NE q-bio.NC
Fighting seizures with seizures: diffusion and stability in neural systems
癫痫活动是一种普遍存在的有害病理生理学,原则上,应该屈服于(神经元)系综动力学的数学处理-因此对随机混沌的干预。癫痫发作可以被表征为神经活动偏离稳定的动态状态,即信号仅在有限范围内波动的状态。神经活动的计算机处理是理解大脑如何实现稳定性以及病理学如何导致癫痫发作和减轻不稳定性的潜在策略(例如,通过外部刺激)的重要工具。在这里,我们证明了(神经元)的状态方程中使用的动态因果建模概括为福克-普朗克形式主义时,神经元活动的传播沿结构连接被认为是。使用这个广义状态方程的雅可比矩阵,我们证明了一个初始不稳定的系统可以通过降低扩散率(即,分散神经元波动的连通性)。我们表明,神经系统容易癫痫发作,这种减少可以通过外部刺激来实现。具体来说,我们表明,这种刺激应该以这样一种方式应用,即暂时反映受影响大脑区域相邻区域的癫痫活动-从而“用癫痫发作来对抗癫痫发作”。我们使用基于从特发性全身性癫痫患者收集的功能性神经成像数据的模拟来提供原理证明,其中我们成功地抑制了不同子网络中的病理活动。我们希望这项技术可以成为实时监测和干预设备的基础,这些设备能够以非侵入性的方式抑制甚至预防癫痫发作。
2020-05-02 q-bio.NC q-bio.QM
Convolutional Neural Networks for Epileptic Seizure Prediction
Technische Universität Dresden(德累斯顿工业大学);Monash University(莫纳什大学);St Vincent’s Hospital Melbourne(墨尔本圣文森特医院);Mayo Clinic(梅奥诊所)
本文提出用卷积神经网络直接处理颅内脑电图进行癫痫发作预测,避免手工特征提取,并在狗和患者的公开数据集上验证了其适用性。
2023-04-11 cs.LG q-bio.NC stat.ML
Machine Learning for Predicting Epileptic Seizures Using EEG Signals: A Review
Monash University(莫纳什大学);Alfred Health(阿尔弗雷德健康);The University of Melbourne(墨尔本大学);Faculty of Information Technology, Monash University(莫纳什大学信息技术学院);St. Vincent’s Hospital, The University of Melbourne(墨尔本大学圣文森特医院);Turner Institute for Brain and Mental Health, Monash University(莫纳什大学特纳脑与心理健康研究所);Monash Biomedical Imaging, Monash University(莫纳什大学生物医学成像);Wellcome Centre for Human Neuroimaging, UCL(伦敦大学学院人类神经成像威尔康姆中心)
随着人工智能(AI)和机器学习(ML)技术的进步,研究人员正在努力将这些技术用于推进临床实践。医疗保健的主要目标之一是早期发现和预测疾病,以及时提供预防干预措施。癫痫病尤其如此,其特征是反复发作和不可预测的癫痫发作。如果能够提前预测癫痫发作,患者可以从癫痫发作的不良后果中解脱出来。尽管经过几十年的研究,癫痫发作的预测仍然是一个未解决的问题。这种情况可能会持续下去,至少部分原因是没有足够的数据来解决这个问题。在基于ML的算法中有令人兴奋的新发展,这些算法有可能在癫痫发作的早期和准确预测中实现范式转变。在这里,我们提供了一个全面的审查国家的最先进的ML技术在早期预测癫痫发作使用EEG信号。我们将确定当前研究中的差距,挑战和陷阱,并建议未来的发展方向。
2020-02-04 cs.LG eess.SP q-bio.NC