从高密度 EEG 识别发作间期癫痫网络
神经元与认知
2016-08-18 v1
摘要
癫痫是一种网络疾病。癫痫网络通常涉及空间分布的脑区。在此背景下，无创 M/EEG 源连通性是一种新兴技术，用于从无创记录中在皮层水平识别脑功能网络。本文中，我们分析 EEG 源连通性处理中涉及的两个关键因素：i) 用于求解 EEG 逆问题的算法，以及 ii) 用于估计功能连通性的方法。我们在由组合生物物理/生理模型模拟生成反映头皮 EEG 中真实发作间期癫痫棘波的数据上，评估了四种逆解算法和四种连通性度量。我们使用一种新的基于网络的相似性指数 (SI) 来比较每种逆解/连通性组合识别出的网络与模型中生成的原始网络。该方法也将应用于一名接受过针对药物抵抗性局灶性癫痫的完整术前评估的癫痫患者记录的真实数据。在模拟数据中，结果显示逆解/连通性组合的选择对识别出的网络有显著影响。结果表明，测量连通性的非线性方法比线性方法更高效。wMNE 逆解表现出优于 dSPM、cMEM 和 sLORETA 的性能。在真实数据中，(wMNE/PLV) 组合使得从无创 EEG 记录识别的发作间期癫痫网络与从颅内 EEG 记录连通性分析获得的网络之间高度匹配。这些结果表明，源连通性方法在适当配置时，能够从无创高密度 EEG 数据中提取关于发作间期癫痫棘波所涉及网络的高度相关诊断信息。
引用
@article{arxiv.1608.04935,
title = {Identification of interictal epileptic networks from dense-EEG},
author = {Mahmoud Hassan and Isabelle Merlet and Ahmad Mheich and Aya Kabbara and Arnaud Biraben and Anca Nica and Fabrice Wendling},
journal= {arXiv preprint arXiv:1608.04935},
year = {2016}
}
备注
30 pages, 5 figures