癫痫中高频振荡的检测与表征——大数据分析案例研究

我们开发了一个框架，用于从海量、非线性和非平稳时间序列数据中发现并分析动力学异常。该框架由三个步骤组成：对海量数据集进行预处理以消除错误数据段；应用经验模态分解和 Hilbert 变换范式，以获取在不同时间尺度上嵌入时间序列中的基本分量；以及对各分量进行统计/标度分析。作为案例研究，我们将我们的框架应用于从大鼠脑电记录的大型数据库中检测和表征高频振荡。我们发现了一个显著现象：高频振荡表现出开关间歇性，可通过代数标度律进行量化。我们的框架可推广至其他领域的大数据相关问题，如大规模传感器数据和地震数据分析。