| 基于脑电信号的癫痫发作预测特征及识别 |
| |
| 作者姓名： | 单宝莲 张力新 徐舫舟 许敏鹏 于海情 魏斯文 明东 |
| |
| 作者单位： | 1)天津大学医学工程与转化医学研究院,天津 300072,1)天津大学医学工程与转化医学研究院,天津 300072;2)天津大学精密仪器与光电子工程学院,天津 300072,3)齐鲁工业大学电子信息工程学院,济南 250353,1)天津大学医学工程与转化医学研究院,天津 300072;2)天津大学精密仪器与光电子工程学院,天津 300072,2)天津大学精密仪器与光电子工程学院,天津 300072,1)天津大学医学工程与转化医学研究院,天津 300072,1)天津大学医学工程与转化医学研究院,天津 300072;2)天津大学精密仪器与光电子工程学院,天津 300072 |
| |
| 基金项目： | 国家自然科学基金（81925020,62122059,61976152） 和济南市 “新高校20条”引进创新团队项目（2021GXRC071） 资助。 |
| |
| 摘 要： | 
解码癫痫发作前脑电信号的神经元集群异常痫样放电活动,对癫痫发作进行有效预测并实施病前干预,可显著减少疾病病损,是癫痫防治的研究热点之一。基于脑电信号的癫痫发作预测研究关键在于发作间期和前期的异常状态识别,研究上述两状态间的神经动力学特征差异对明确癫痫发病机制、选取高分辨特征,进而有效识别该渐进性疾病所处的发作阶段具有重要价值。
目前,研究者已对当前主流特征提取及模式识别方法进行了充分的调研梳理,但忽视了神经动态特征变化对于癫痫发作预测的重要意义。基于此,本文归纳总结了5类典型的发作预测特征分析方法及其优缺点,重点剖析了发作间期至前期神经生理特征的动态变化及其动力学特性,类比分析了当前该领域主流的机器学习和深度学习特征识别方法,以期为进一步建立精准、高效的癫痫发作预测技术提供新思路。
|
| 关 键 词： | 癫痫 发作预测 脑电信号 神经动力学特征 机器学习 |
| 收稿时间： | 2022-03-21 |
| 修稿时间： | 2023-02-03 |
|
| 点击此处可从《生物化学与生物物理进展》浏览原始摘要信息 |
|
点击此处可从《生物化学与生物物理进展》下载免费的PDF全文 |
|
