基于Ictal-Related Chirp的 SOZ 局部化无监督异常检测管道
机器学习
2025-08-20 v1 人工智能
摘要
本研究提出了一个用于评估临床定义的癫痫发作起始区 (SOZ) 与通过脉冲事件时频分析识别的统计异常通道之间空间一致性的定量框架。该方法采用两步流程：(1) 无监督异常检测，其中基于局部离群因子 (LOF) 分析，结合自适应邻域选择，基于脉冲 (Onset frequency, offset frequency, 和 temporal duration) 的时频特征识别异常通道；(2) 空间相关分析，计算确切共现指标和加权索引相似性， Incorporating hemispheric congruence 和电极接近性。关键发现表明，LOF 方法 (N neighbors=20, contamination=0.2) 有效检测了离群点，索引匹配 (按通道接近性加权) 在 SOZ 局部化方面优于确切匹配。性能指标 (precision, recall, F1) 在癫痫-free 患者中最高 (索引精确率均值: 0.903)，成功手术患者中也较高 (索引精确率均值: 0.865)，而失败案例则表现较差 (索引精确率均值: 0.460)。关键要点是，脉冲基于的离群点检测结合加权空间指标，为 SOZ 局部化提供了一种补充方法，尤其适用于手术成功的患者。
引用
@article{arxiv.2508.13406,
title = {Semi-Supervised Anomaly Detection Pipeline for SOZ Localization Using Ictal-Related Chirp},
author = {Nooshin Bahador and Milad Lankarany},
journal= {arXiv preprint arXiv:2508.13406},
year = {2025}
}
备注
23 pages, 7 figures