在降维状态空间中解码癫痫发生
神经元与认知
2017-01-26 v1 机器学习
定量方法
摘要
我们在此描述了一项多学科努力的最新结果，该努力旨在设计一种生物标志物，能够主动且连续地解码导致癫痫的神经元组织的渐进变化，这一过程称为癫痫发生。利用获得性癫痫的动物模型，我们慢性记录由听觉刺激引发的海马诱发电位。使用一组降维坐标，我们的算法能够识别对应于癫痫发生不同阶段的听觉诱发电位的普适平滑低维构型。我们使用隐马尔可夫模型来学习诱发电位沿着这些平滑低维子集演化时的动力学。我们提供了实验证据，表明该生物标志物能够利用诱发电位中的细微变化来可靠地解码癫痫发生的阶段，并预测动物最终会从损伤中恢复，还是发展出自发性癫痫。
引用
@article{arxiv.1701.07243,
title = {Decoding Epileptogenesis in a Reduced State Space},
author = {François G. Meyer and Alexander M. Benison and Zachariah Smith and Daniel S. Barth},
journal= {arXiv preprint arXiv:1701.07243},
year = {2017}
}