通过分解颅内脑电图与脑磁图功率谱识别致痫异常
神经元与认知
2023-10-11 v1
摘要
识别异常脑电活动对癫痫的诊断与治疗至关重要。近期研究表明,将脑活动分解为周期性(振荡)与非周期性(跨所有频率的趋势)分量可阐明频谱活动变化的驱动因素。我们利用来自 234 名受试者的颅内脑电图(intracranial EEG, iEEG)数据构建了规范图谱,并与另一组 63 名正在考虑神经外科手术的难治性局灶性癫痫患者进行比较。该规范图谱通过三种方法计算:(i) 相对完整频带功率,(ii) 去除非周期分量后的相对频带功率,(iii) 非周期指数。在独立患者队列中亦针对每种方法计算了相应异常。我们探究了三种方法的空间分布特征,评估其定位能力,并在使用脑磁图(magnetoencephalography, MEG)的独立模态中复现了发现。相对完整频带功率与相对周期频带功率的规范图谱具有相似空间分布。在非周期规范图谱中,颞叶的指数值最高。通过完整频带功率估计的异常可稳健区分预后良好与不良患者。周期频带功率与非周期指数异常均不能区分癫痫发作预后组。结合周期与非周期异常提升了性能,与完整频带功率方法相近。我们的发现提示,保留产生周期或非周期活动异常的脑组织可能导致不良手术预后。周期与非周期异常均为区分患者预后所必需,二者单独均不充分。未来研究可探究周期或非周期异常是否受脑区位置或病理影响。
引用
@article{arxiv.2310.06515,
title = {Identifying epileptogenic abnormality by decomposing intracranial EEG and MEG power spectra},
author = {Csaba Kozma and Gabrielle Schroeder and Tom Owen and Jane de Tisi and Andrew W. McEvoy and Anna Miserocchi and John Duncan and Yujiang Wang and Peter N. Taylor},
journal= {arXiv preprint arXiv:2310.06515},
year = {2023}
}