基于深度学习的皮层脑电图频谱图成像中的扩布去极化检测：仅与 Delta 频段有关吗？
信号处理
2025-05-20 v1
摘要
预防继发性脑损伤是神经重症监护的核心目标，其中扩布去极化被公认为重要的独立诱因。SDs 通常通过有创高频皮层脑电图进行监测；然而，由于信号伪影掩盖了关键的 SD 相关电生理变化（如功率衰减和 DC 漂移），检测仍具挑战性。近期研究表明，频谱图分析可改善 SD 检测；然而，脑损伤患者通常表现为除 Delta 频段外所有频段的功率降低，导致类别不平衡。以往仅关注 Delta 频段的方法虽缓解了不平衡问题，却忽略了其他频率的特征，限制了检测性能。本研究探索使用多频段频谱图分析，揭示了基本的 SD 相关特征跨越了除最活跃的 Delta 频段之外的多个频段。本研究表明，通过深度学习模型进一步整合 Alpha 和 Delta 频段可提高 SD 检测精度。
引用
@article{arxiv.2505.00666,
title = {Spreading Depolarization Detection in Electrocorticogram Spectrogram Imaging by Deep Learning: Is It Just About Delta Band?},
author = {Jeanne Boyer-Chammard and Yinzhe Wu and Chenyu Zhang and Sharon Jewell and Anthony Strong and Guang Yang and Martyn Boutelle},
journal= {arXiv preprint arXiv:2505.00666},
year = {2025}
}
备注
IEEE International Symposium on Biomedical Imaging (ISBI) 2025 Accepted