癫痫事件的复杂动力学与变化相关性建模
机器学习
2014-07-29 v2 神经元与认知
应用统计
摘要
癫痫患者除了表现出全面的临床发作外，还可能出现短暂的、亚临床的癫痫“爆发”。我们认为这两类事件之间的关系（此前尚未进行过定量研究）可能为发作的本质和内在动力学提供重要见解。我们工作的一个目标是将这些复杂的癫痫事件解析为不同的动力学机制。我们研究的颅内脑电图（iEEG）数据所带来的挑战在于，电极的数量和放置位置在不同患者之间可能存在差异。我们开发了一种贝叶斯非参数马尔可夫切换过程，该过程允许：(i) 可变数量通道之间的共享动力学机制，(ii) 异步机制切换，以及 (iii) 未知的动力学机制字典。我们使用驱动通道动力学的创新过程的马尔可夫切换高斯图模型来编码通道间稀疏且变化的依赖关系，并证明了该模型在解析 iEEG 数据和进行样本外预测中的重要性。我们表明，我们的模型能够产生直观的状态分配，有助于癫痫临床分析的自动化，并实现亚临床爆发与全面临床发作的比较。
引用
@article{arxiv.1402.6951,
title = {Modeling the Complex Dynamics and Changing Correlations of Epileptic Events},
author = {Drausin F. Wulsin and Emily B. Fox and Brian Litt},
journal= {arXiv preprint arXiv:1402.6951},
year = {2014}
}