大规模脑网络中癫痫传播的控制
神经元与认知
2019-06-19 v1 无序系统与神经网络
适应与自组织系统
混沌动力学
摘要
人脑中的信息传递本质上是一个动态网络过程。在部分性癫痫中，这一过程受到扰动，高度同步的癫痫发作起源于一个局部网络，即所谓的致痫区（EZ），随后累及其他邻近或远隔脑区。我们研究了15名植入立体定向脑电图（SEEG）电极的耐药性癫痫患者的特异性脑网络模型。每个个性化脑模型均源自磁共振成像（MRI）和扩散张量加权成像（DTI）的结构数据，包含88个节点，配备具有区域特异性的神经质量模型，能够表现出一系列癫痫样放电。通过将临床假设的EZ整合进来，进一步对每个患者的虚拟脑进行个性化。随后进行模拟与连接调制，揭示出有限的癫痫发作传播模式库。跨患者分析发现：（i）患者特异性网络连接可预测随后的癫痫传播模式；（ii）癫痫传播以脑状态的系统性序列为特征；（iii）可通过针对连接矩阵的最优干预控制传播；（iv）与传统切除性手术相比，此处提出的癫痫控制可显著降低侵入程度。为终止癫痫发作，神经外科医生通常完全切除EZ。我们表明，利用图论度量对网络动力学进行稳定性分析，可可靠估计癫痫传播的时空特性。这提示了治疗和管理部分性癫痫的新的微创外科干预范式。
引用
@article{arxiv.1804.03588,
title = {Controlling seizure propagation in large-scale brain networks},
author = {Simona Olmi and Spase Petkoski and Maxime Guye and Fabrice Bartolomei and Viktor Jirsa},
journal= {arXiv preprint arXiv:1804.03588},
year = {2019}
}