用于辅助癫痫诊断的无 IED-free EEG 响应分类
信号处理
2026-05-25 v1 机器学习
摘要
诊断癫痫在常规 EEG 缺乏间歇性癫痫放电 (IED) 时具有挑战性。间歇光刺激 (IPS) 和呼吸法 (HV) 可增加诊断收益，但其解释主观。我们提出了一个可重复的管道，用于分类在刺激程序期间获取的 EEG 记录，使用跨时域、频谱、小波和连接域的机器学习特征，并堆叠集成以组合互补特征集。性能在留一受试者交叉验证 (LOSO) 中评估，适用于 TUH 癫痫语料库和临床 Erasmus MC (EMC) 队列，包括 TUH 上 IED-free 分析。于 TUH 来说，集成在 IED-free 静息状态 EEG 上实现最高达 97.8\% AUC / 93.1\% BAC，在 IED-free IPS 上实现 94.1\% AUC / 86.8\% BAC。于 EMC 来说，IPS 提供最强的区分度 (79.4\% AUC / 73.9\% BAC)，而 HV 性能通过对受试者按反应性进行分层而获益。这些结果表明，刺激诱导的活动，特别是 IPS，包含有意义的、用于 IED-free 癫痫分类的判别信息，并且多域集成提高了鲁棒性。
引用
@article{arxiv.2605.22858,
title = {Classification of IED-free EEG Responses for Assisted Epilepsy Diagnosis},
author = {Giacomo Zanardini and Ryan Moesman and Paul van der Kleij and Robert van den Berg and Justin Dauwels},
journal= {arXiv preprint arXiv:2605.22858},
year = {2026}
}
备注
Accepted at IEEE EMBC2026