基于非线性特征的深部脑刺激亚树核内微电极信号动力学作为生物标志物
信号处理
2025-07-01 v1 机器学习
摘要
准确的亚树核（STN）内手术定位对于帕金森病患者的深部脑刺激（DBS）疗效至关重要。尽管微电极记录（MER）在 DBS 电极植入期间提供丰富的电生理信息，但当前的定位实践常依赖于信号特征的主观解释。本研究提出一种定量框架，利用非线性动力学和熵基指标来分类记录于 STN 内外的神经活动。从三名患者处获取的 MER 数据经过经鲁棒性消除管线预处理、分段并基于手术注释进行标记。从每个段提取了综合的 recurrence quantification analysis、非线性和熵特征。使用分层 10 折交叉验证，在每个特征域的每个组合上训练多个监督分类器，随后使用带 Holm-Bonferroni 校正的配对 Wilcoxon 符号秩检验进行统计比较。熵和非线性特征的组合显示出最高的判别力，Extra Trees 分类器表现最佳，交叉验证 F1 分数为 0.902±0.027，ROC AUC 为 0.887±0.055。最终在 20% 持留测试集上的评估确认了稳健的泛化能力（F1=0.922，ROC AUC=0.941）。这些结果凸显了非线性和熵信号描述符在支持 DBS 手术中数据驱动决策方面的潜在价值。
引用
@article{arxiv.2506.22454,
title = {Microelectrode Signal Dynamics as Biomarkers of Subthalamic Nucleus Entry on Deep Brain Stimulation: A Nonlinear Feature Approach},
author = {Ana Luiza S. Tavares and Artur Pedro M. Neto and Francinaldo L. Gomes and Paul Rodrigo dos Reis and Arthur G. da Silva and Antonio P. Junior and Bruno D. Gomes},
journal= {arXiv preprint arXiv:2506.22454},
year = {2025}
}
备注
8 pages, 5 figures