首页/论文/physics/0702114

arXiv physics/07021142007-02physics.med-phnlin.CD

癫痫发作病灶的检测与定位

Detecting and localizing the foci in human epileptic seizures

Eshel Ben-Jacob, Stefano Boccaletti, Anna Pomyalov, Itamar Procaccia, Vernon L. Towle

备注：: 8 pages, 11 figures
发表信息：: Chaos 17, 043113 (2007)
DOI：: 10.1063/1.2805658

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

我们认为记录的电信号从硬膜下阵列的电极放置在软脑膜表面的大脑癫痫患者手术切除前的慢性评价。一个简单的和计算快速的方法来分析发作间期的相位同步电极之间的介绍和开发的目的是检测和定位癫痫发作的病灶。我们通过比较手术结果与此处预测的定位来评估该方法。我们发现手术成功或失败与我们的识别和实际操作区域之间的一致性之间存在良好的对应关系。

英文摘要：

We consider the electrical signals recorded from a subdural array of electrodes placed on the pial surface of the brain for chronic evaluation of epileptic patients before surgical resection. A simple and computationally fast method to analyze the interictal phase synchrony between such electrodes is introduced and developed with the aim of detecting and localizing the foci of the epileptic seizures. We evaluate the method by comparing the results of surgery to the localization predicted here. We find an indication of good correspondence between the success or failure in the surgery and the agreement between our identification and the regions actually operated on.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

没有证据表明人类癫痫发作前的临界减速

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。

2019-08-23physics.bio-phphysics.med-phq-bio.NC

基于稀疏表示分类的EEG信号癫痫发作自动识别

Automatic Identification of Epileptic Seizures from EEG Signals using Sparse Representation-based Classification

在非平稳脑电图（EEG）中识别癫痫发作活动是一项具有挑战性的任务，因为它耗时，繁重，依赖于昂贵的人力资源，并且容易出现错误和偏差。计算机化的癫痫发作识别方案可以消除上述问题，帮助临床医生和有益于癫痫研究。到目前为止，人们已经尝试开发自动系统来帮助神经生理学家准确识别癫痫发作。在这项研究中，提出了一个全自动系统，自动检测癫痫发作的各种状态。该方法是基于稀疏表示为基础的分类（SRC）理论和建议的字典学习使用脑电信号（EEG）。此外，该方法不需要额外的预处理和提取的特征，这是常见的在现有的方法。所提出的方法达到了100%的灵敏度，特异性和准确性在8个9的情况。它对高达0 dB的测量噪声也具有鲁棒性。与最先进的算法和其他常用方法相比，所提出的方法在灵敏度、特异性和准确性方面优于它们。此外，它包括最全面的癫痫发作检测场景，包括2到5类场景的不同组合。所提出的癫痫发作的自动识别方法可以减轻医疗专业人员通过视觉检查分析大量数据的负担，以及减少功能性磁共振成像（fMRI）设备和专业医生短缺的贫困社会的负担。

2020-04-28eess.SPphysics.med-ph

从癫痫EEG数据中鉴别发作前期和发作间期的复发测量方法的评价

Evaluation of selected recurrence measures in discriminating pre-ictal and inter-ictal periods from epileptic EEG data

我们调查的适用性，选择措施的复杂性的基础上复发量化分析和复发网络识别癫痫发作前的状态，在多天，多通道，侵入性脑电图记录从5名癫痫患者。我们采用了几种统计技术，以避免由于各种影响因素和多重比较造成的假结果，并观察了三例患者的血管结构。我们的研究结果表明，在识别癫痫发作前兆的措施之间的高度一致性，并强调了目前的概念，在大规模的癫痫网络癫痫发作一代。然而，对田间研究适用性的最终判断需要在更大的数据库上进行评价。

2016-02-25nlin.CDphysics.data-anphysics.med-ph

癫痫发作与心电图脑灌注指数的时空相关性

Spatio-Temporal Correlation of Epileptic Seizures with The Electrocardiography Brain Perfusion Index

本研究探讨心电图脑灌注指数(EBPi)与癫痫发作的时空相关性，发现EBPi对发作起止及位置具有时间敏感性和一定空间预测能力，可辅助增强发作期间的脑电图(EEG)数据。

2024-03-26physics.med-ph

癫痫发作的时空多级动力学和尺度效应

On spatial and temporal multilevel dynamics and scaling effects in epileptic seizures

癫痫发作是神经系统最著名的功能障碍之一。在癫痫发作期间，观察到神经活动的高度同步行为，其可引起从轻度感官功能障碍到完全失去身体控制的症状。在本文中，我们的目标是有助于更好地了解动力系统的现象，导致癫痫发作。根据数据分析和建模，可以确定癫痫发作动力学具有多个空间尺度，并且在每个空间尺度上也具有多个时间尺度。在每一个尺度上，我们都得到了一些新的见解。在最小的空间尺度上，我们考虑单个模型神经元，并研究尖峰的早期预警信号。这介绍了理论的临界过渡到可激发系统。对于神经元簇（或神经元区域），我们使用患者数据并发现癫痫发作附近的振荡行为和新的缩放律。这些标度证实了从平均场模型获得的猜想，即癫痫发作附近可能涉及霍普夫分岔。在最大的空间尺度上，我们引入了一个措施的基础上锁相间隔和小波癫痫发作建模。它用于解决大脑不同区域之间的同步，并识别不同小波尺度下的时移标度律。我们还比较了我们的基于小波的多尺度方法与最大线性互相关和平均相位相干措施。

2011-07-29math.DSnlin.CDnlin.PS

癫痫发作区对癫痫发作动力学有多重要？

How important is the seizure onset zone for seizure dynamics?

目的：对癫痫网络的研究最近使人们对癫痫过程有了更深入的了解。在这里，我们研究了单个网络节点对癫痫发作动力学的重要性。方法：分析86例不同解剖学部位局灶性癫痫发作的颅内脑电图记录。与时间分辨相关分析，我们推导出一个序列的加权癫痫网络跨越发作前，发作，发作后的时期，每个记录网站代表一个网络节点。我们评估节点的重要性与常用的中心性指标，考虑到不同的网络属性。结果：观察到节点重要性的时间演变的高变异性，内部和个体间。然而，癫痫发作区（SOZ）附近和远处的淋巴结被认为对癫痫发作动力学最重要（65%的病例），而不是SOZ内的淋巴结（35%的病例）。结论：我们的研究结果强调了SOZ以外的大脑的高度相关性，但在大规模的癫痫网络癫痫发作动力学。这些网络成分的知识可能阐明个性化的治疗干预，旨在防止癫痫发作的产生和传播的目标。

2014-12-02physics.data-anphysics.med-phq-bio.NC

更多相关论文收起更多论文

癫痫患者脑内EEG的关联维数图

Correlation Dimension Maps of EEG from Epileptic Absences

目的：对大脑活动的理解，特别是对癫痫发作等事件的理解，取决于对神经网络动力学的表征。非线性动力学理论提供了信号分析技术，可以提供有关这种网络行为的新信息。方法：对3例患者共7次失神发作的19导EEG数据进行关联维数图计算。在癫痫发作之前、期间和之后分析信号。阶段随机替代数据被用来测试混沌。结果如下：在两名患者的癫痫发作中，我们可以区分大脑皮层上的两个动态区域，一个似乎表现出混乱，而另一个似乎表现出噪音。所示的模式对于由过度换气触发的癫痫发作基本相同，但对于由闪光触发的癫痫发作不同。人们似乎观察到的混沌动力学是由少量变量决定的，复杂性低。另一方面，在另一个病人的癫痫发作中，没有发现混乱的区域，在所有病例中，癫痫发作前和发作期间也没有发现混乱。结论：非线性信号分析的应用揭示了与失神发作相关的空间动力学差异的存在。这将有助于对癫痫发作的认识和临床诊断。

1999-11-17physics.data-anphysics.med-phq-bio

KNOWM忆阻器在桥突触延迟型储备计算系统中用于癫痫发作检测

KNOWM Memristors in a Bridge Synapse delay-based Reservoir Computing system for detection of epileptic seizures

本研究利用KNOWM忆阻器构建基于桥突触的单节点回声状态机储备计算系统，用于癫痫发作检测，并展示了其在神经形态应用中的潜力。

2025-02-27cs.ETphysics.med-ph

正常人与癫痫患者EEG信号非线性特性的比较研究

Comparative study of nonlinear properties of EEG signals of a normal person and an epileptic patient

背景：研究大脑在生命系统中的功能一直是科学家和医学从业者的主要努力。在大脑的各种疾病中，癫痫引起了最多的关注，因为这种疾病会影响一个人的生活质量。本文应用替代分析、概率分布函数和Hurst指数对正常人和癫痫病人的脑电进行了再研究。结果如下：使用随机混洗替代分析，我们已经获得了一些由Andrzejak \textit{et al.} [Phys Rev E 2001，64：061907]获得的癫痫患者在癫痫发作期间的非线性特征。概率分布函数表明，癫痫患者的脑活动具有非高斯性。赫斯特指数已被证明是有用的，以表征一个正常的和一个癫痫的大脑，它表明，癫痫的大脑是长期相关的，而正常的大脑是或多或少的随机性。在所有的技术，这里使用，赫斯特指数是非常有用的表征不同的情况。结论：本文主要用Hurst指数分析了正常人睁眼和闭眼时、癫痫患者发作期和无发作期的特征差异。H表明正常人的脑活动在本质上是不相关的，而癫痫患者的脑活动则表现出长程相关性。

2009-08-03physics.data-anphysics.med-ph

微分算子在癫痫检测中的应用

Differential Operator in Seizure Detection

微分算子可以检测信号中的显著变化。这已被用于增强深度EEG或ECoG中的癫痫发作特征的对比度。我们实际上已经采取了归一化指数的绝对值的一阶或二阶导数的癫痫ECoG。已执行差异操作以自动检测扣押。还提出了一种确定癫痫发作持续时间的新方法。由于所有操作都只需要线性时间，因此整个方法非常快。七个新的参数已被引入，其患者特定的阈值降低到最低限度的错误检测率。应用ROC曲线分析了4例癫痫患者的ECoG数据。ROC曲线下的面积的高值指示优异的检测性能。

2009-11-01physics.med-phq-bio.OTq-bio.QM

基于EEG的癫痫发作预测的随机森林分类器

Random Forest classifier for EEG-based seizure prediction

Paris Brian Institute（巴黎大脑研究所）；CentraleSupélec（巴黎中央理工-高等电力学院）；National Centre for scientific research（法国国家科学研究中心）；Hôpital de La Pitié Salpêtrière（皮提耶-萨尔佩特里埃医院）

癫痫发作预测在计算癫痫研究界获得了相当大的兴趣。本文提出了一种基于机器学习的癫痫发作预测方法，其性能优于最先进的方法。我们计算一个概率为一个给定的时期，被pre-ictal对interictal使用随机森林分类器，并引入新的概念，以提高算法的鲁棒性，以误报。我们评估了我们的方法对20例患者的基准头皮EEG CHB-MIT数据集的癫痫发作预测范围（SPH）为5分钟，癫痫发作发生期（SOP）为30分钟。我们的方法实现了82.07%的灵敏度和0.0799 /h的低假阳性率（FPR）。我们还在颅内EEG记录上测试了我们的方法。

2021-06-02cs.LGeess.SPphysics.med-ph

局灶性癫痫侵入性脑电图的重整熵定量分析

Quantitative analysis by renormalized entropy of invasive electroencephalograph recordings in focal epilepsy

应用重整熵方法分析了10例局灶性癫痫患者的有创脑电图（EEG）。作为一个复杂的措施，不同的制度的动力系统，功能测试在癫痫发作的时空行为。在所有患者中，发现在癫痫发作期内重整化熵降低，而且这种降低的强度与记录位置到病灶的距离单调相关。结果表明，重整化熵的方法是一个有用的程序，临床应用，如癫痫发作的检测和定位的癫痫灶。

1998-08-09physics.med-phq-bio