网站首页百科知识 > 正文

新模型提高了癫痫患者癫痫发作定位的精确度

2023-12-05 11:02:05 百科知识来源：

导读中国科学院深圳先进技术研究院(SIAT)杨展教授领导的研究团队最近推出了一种基于自适应图卷积的新型无监督双流模型来预测癫痫患者的发作区域

中国科学院深圳先进技术研究院(SIAT)杨展教授领导的研究团队最近推出了一种基于自适应图卷积的新型无监督双流模型来预测癫痫患者的发作区域。该研究发表在《神经影像》杂志上。

癫痫是一种慢性脑部疾病。这种疾病的一种形式是难治性癫痫，其特征是持续性和耐药性癫痫发作，通常需要脑部手术来切除癫痫发作区域。在当前的临床实践中，手术决策在很大程度上依赖于癫痫发作期间的立体脑电图(SEEG)监测，而忽略了来自休息和睡眠状态的有价值的数据。皮质-皮质诱发电位(CCEP)技术可有效测量大脑区域之间的突触连接，但在癫痫发作定位中也未得到充分利用。

为了应对临床挑战，研究人员对每位患者的SEEG(睡眠、休息和癫痫状态)和CCEP数据集进行了个性化分析，并构建了数据驱动的双流深度网络模型。这种方法回避了传统机器学习公式数据标记的复杂性，为癫痫病灶定位提供了针对患者的个性化结果。

该模型将大脑抽象为图属性网络，将每个大脑区域视为节点，将区域之间的有效连接视为边。颅内脑电图记录用于构建节点特征，而CCEP用于建立拓扑连接关系。通过时频特征提取和无监督自动编码器，降低了特征的维度。然后，自适应图卷积网络聚合相邻节点的特征，最终对癫痫大脑区域的位置进行分类。

此外，研究人员还深入研究了群体层面的网络动态，并检查了癫痫和非癫痫大脑区域之间的网络特征。结果显示，不同癫痫类型(额叶癫痫、颞叶癫痫、顶叶癫痫)之间的大脑网络存在差异，与临床观察结果一致。

版权说明： 本文由用户上传，如有侵权请联系删除！

标签：

上一篇：你知道炎症性肠病的症状吗
下一篇：新方法能够更好地绘制免疫反应图并为新疗法铺平道路

网站首页百科知识 > 正文

新模型提高了癫痫患者癫痫发作定位的精确度

猜你喜欢：

最新文章：

网站首页 百科知识 > 正文

新模型提高了癫痫患者癫痫发作定位的精确度

猜你喜欢：

最新文章：

网站首页百科知识 > 正文