用于癫痫检测和高分辨率微皮质电图（μECoG）数据波前估计的锋电位模式无监督学习
神经元与认知
2017-06-06 v1
摘要
过去几年，我们开发了柔性、有源、多路复用的记录设备，用于在大脑内大范围、临床相关区域进行高分辨率记录。虽然这项技术使我们能够以更高分辨率观察大脑的电活动，但处理、分类和响应这些设备产生的大量癫痫数据的分析方法尚未开发。在这项工作中，我们提出了一个用于锋电位分析的无监督学习框架，该框架本身就能揭示锋电位模式。通过应用先进的视频处理技术，将多通道记录分离为单个锋电位片段，展开锋电位片段流形并识别锋电位模式的自然聚类，我们能够找到常见的锋电位运动模式。我们进一步探索了将这些模式用于更有趣和实际的问题，如癫痫预测和锋电位波前预测。这些方法已应用于体内猫癫痫记录，并取得了有希望的结果。
引用
@article{arxiv.1706.00780,
title = {Unsupervised Learning of Spike Patterns for Seizure Detection and Wavefront Estimation of High Resolution Micro Electrocorticographic ({\mu}ECoG) Data},
author = {Yilin Song and Jonathan Viventi and Yao Wang},
journal= {arXiv preprint arXiv:1706.00780},
year = {2017}
}