跳到正文
原文
arXiv · Signal Processing· Federico Mason, Matteo Neri, Maria Fratello 等 7 人
· 22 小时前

跨越空间、时间和频率的解读:SEEG 信号的张量分解以支持致痫区界定

Reading Across Space, Time and Frequencies: Tensor Decomposition of SEEG Signals to Support Epileptogenic Zone Definition

预印本 · 尚未经过同行评审

AI 导读

对35例耐药性癫痫患者的SEEG信号做张量分解,多频段联合可提升致痫区识别表现。

摘要 · AI 翻译

立体脑电图(SEEG)是一种侵入性技术,用于耐药性癫痫的术前评估,以支持致痫区(EZ)的定位。SEEG 数据分析尤为复杂,因为其包含数百个成分(称为通道),每个通道对应不同的脑区,且相互作用在时间和频率上均有变化。在本研究中,我们提出了一种基于典型多路(CP)分解的 SEEG 分析新框架,以提取癫痫发作背后的潜在模式。我们将 SEEG 信号建模为三阶张量(通道 × 时间 × 频率),并将该张量分解为秩-1 因子。随后,我们利用通道特异性因子作为无监督特征集来识别 EZ。该框架在 35 名耐药性癫痫患者的 SEEG 记录发作上进行了验证。结果表明,多个频带的联合组合显著提升了分类性能。

中文由 AI 翻译,仅供参考,以原文为准。

来源:arXiv · Signal Processing · arxiv.org

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。