arXiv · Signal Processing· Giulia Tacconi, Federico Mason, Lorenzo Ferri 等 11 人
· 22 小时前
转移动态至关重要:SEEG 中致痫通道的隐马尔可夫评分
Transition Dynamics Matter: Hidden Markov Scoring of Epileptogenic Channels in SEEG
预印本 · 尚未经过同行评审
AI 导读
对30例耐药癫痫患者的SEEG,用隐马尔可夫模型按通道转移概率差异定位致痫区,优于无隐状态基准。
摘要 · AI 翻译
立体脑电图(SEEG)是检测耐药性癫痫中致痫区(EZ)最有效的技术。该检查产生一种包含数百个分量(称为通道)的多维信号,每个通道与不同的脑部位置相关联。在本工作中,我们提出一种联合隐马尔可夫模型(HMM),其中每个 SEEG 通道由一条潜在马尔可夫链描述,状态在整个网络中共享,而转移概率为通道特异性的。据此,我们开发了一种检测算法,通过 Kullback-Leibler 散度量化各通道在发作间期与癫痫发作起始时转移概率之间的差异,从而识别属于 EZ 的通道。我们在 30 名耐药性癫痫患者的 SEEG 记录中评估了我们的框架,并将其与一个在同一观测空间中运行但不考虑潜在状态结构的基准方法进行了比较。与经医学验证的 EZ 定义相比,我们的研究表明,对通道特异性时间转移进行建模可以改善 EZ 定位,并提供一个数据驱动的框架来研究癫痫发作背后的潜在动力学。
中文由 AI 翻译,仅供参考,以原文为准。
来源:arXiv · Signal Processing · arxiv.org