可穿戴数据中癫痫发作的昼夜相位锁定：单患者案例研究
人机交互
2026-04-21 v1
摘要
癫痫是一种常见的慢性神经系统疾病，其特征是因大脑异常电活动的突发性抓发而引发的反复发作。发作往往难以预测，导致患者面临不确定性和焦虑。为此，英国癫痫联盟确定了研究预测技术的优先事项。发作发生被记录为嵌入在表现出强烈昼夜节律和多日节律的连续生理信号中的离散事件。标准建模方法常将时间视为线性或依赖钟表时间特征，这可能无法显式捕捉底层生理相位。本文我们检查发作是否相对于从可穿戴心搏间期 (IBI) 数据中提取的昼夜节律显示出相位偏好。作为概念验证，我们使用来自单位患者的 176 天可穿戴数据和发作日记，借由带限滤波和 Hilbert 基于相位估计提取振荡分量，并使用圆形统计学测试是否存在非均匀发作-相位对齐。我们观察到显著的昼夜相位集中，而多日频段在本数据集中未显示出一致或统计上显著的相位聚类。探索性逻辑基线表明，超出简单钟表时间效应仍存在一定的可检测结构。我们认为，显式的生理相位表示为将连续可穿戴感知与稀疏临床事件建立起可解释的桥梁，可能增强现有的发作预测管道。我们讨论了对多尺度建模、患者可见界面以及未来多患者验证的影响。
关键词
引用
@article{arxiv.2604.18297,
title = {Circadian Phase Locking of Epilepsy Seizures in Wearable Data: A Single-Patient Case Study},
author = {Berenika Ewart-James and Matthew Wragg and Nawid Keshtmand and Amberly Brigden and Paul Marshall and Raul Santos-Rodriguez},
journal= {arXiv preprint arXiv:2604.18297},
year = {2026}
}