从有向信息推断的因果连接性中识别癫痫发作起始区
神经元与认知
2016-11-03 v2 信息论
math.IT
统计方法学
摘要
在本文中，我们开发了基于模型的和数据驱动的有向信息（DI）估计器，用于推断从大脑记录的皮层脑电（ECoG）信号之间的因果连接图，并识别癫痫患者的癫痫发作起始区（SOZ）。有向信息作为一种信息论量，是推断时间序列间因果连接性的通用度量，并且不像基于Granger因果性或转移熵的流行度量那样局限于特定类别的模型。所提出的估计器被证明是几乎必然收敛的。在模拟数据上验证其性能后，使用所提出的DI估计器推断了五名癫痫患者ECoG电极之间的因果连接性。然后，我们提出了基于模型的和数据驱动的SOZ识别算法，分别从基于模型和数据驱动的DI估计器推断的因果连接性中识别SOZ。在与当前临床金标准——神经科医生的视觉分析——进行基准比较时，数据驱动的SOZ识别优于基于模型的SOZ识别算法。此处提出的因果连接性分析是开发癫痫新型非手术治疗的第一步。
引用
@article{arxiv.1512.08309,
title = {Identifying Seizure Onset Zone from the Causal Connectivity Inferred Using Directed Information},
author = {Rakesh Malladi and Giridhar Kalamangalam and Nitin Tandon and Behnaam Aazhang},
journal= {arXiv preprint arXiv:1512.08309},
year = {2016}
}
备注
This paper is accepted for publication in IEEE Journal of Selected Topics in Signal Processing, special issue on Advanced Signal Processing in Brain Networks, October 2016. 16 pages, 11 figures and 2 tables