自动检测夜间依赖性癫痫生物标志物用于癫痫定位：机器学习与信号处理框架

癫痫生物标志物在识别癫痫起源方面发挥着关键作用，这是癫痫治疗手术规划的 essential aspect。这些生物标志物随时间会有显著变化。通过研究这些时间性变化，我们可以增强其在指导手术规划中的有效性。本研究聚焦于考察夜间节律对癫痫生物标志物的影响，并旨在确定其分析的最佳时机。要探讨癫痫生物标志物与夜间节律之间的关系，首先需要对睡眠/觉醒状态进行分类。生物标志物被识别后，需在这些状态之间进行比较。对 9 名局灶性癫痫患者的颅内脑电图数据进行回顾性分析。通过自动检测识别了生物标志物：放电、放电序列、高频振荡（HFOs）和病理 HFOs。还计算了 α/δ 比以区分睡眠和觉醒阶段。数据分析表明，睡眠阶段下的生物标志物率均高于觉醒阶段。病理 HFOs 和放电序列比放电或 HFOs 更精确地指示距离癫痫发作区的距离。不同于以往依赖长期放电生物标志物分析的先前研究，本研究首次利用包括 HFOs、放电序列和病理 HFOs 在内的全套生物标志物来增强癫痫发作区预测。癫痫生物标志物在睡眠数据中的率与在清醒时看到的率有很大差异，使睡眠数据分析在准确预测癫痫发作区方面更有效。