基于靜息態(tài)腦電的心因性非癲癇發(fā)作的識別算法研究.pdf

1、癲癇(epilepsy,EP),是一種慢性反復發(fā)作性短暫功能失調(diào)神經(jīng)性疾病,其發(fā)作時會伴隨著神經(jīng)元的異常放電。其主要的診斷依據(jù)是發(fā)作時腦電是否發(fā)生異常放電。心因性非癲癇發(fā)作(psychogenic nonepileptic seizures,PNES)的發(fā)作癥狀與癲癇發(fā)作時極為相似,只是不伴隨異常的腦電放電,視頻腦電圖(video-EEG, vEEG)結(jié)合患者及目擊者提供的病史,可作為PNES的診斷標準。即便如此,還是有很多PNES被誤

2、診為癲癇發(fā)作,導致延誤診斷時間和治療。已經(jīng)建立的PNES早期診斷方法需要詳細的信息,而且這些信息的收集都非常耗時間。并且,在有些地方尚未開展vEEG,對于有些患者,也難以記錄其發(fā)作事件過程。如果能發(fā)展另外一種早期診斷PNES的方法,這對臨床醫(yī)生將是很有幫助的。
　　近些年,基于圖論的分析方法已經(jīng)被廣泛用于對中樞神經(jīng)系統(tǒng)的解剖和功能網(wǎng)絡研究。本文是從靜息態(tài)腦電的網(wǎng)絡拓撲結(jié)構(gòu)層面去尋找PNES和癲癇之間的網(wǎng)絡變化,從而提取它們之間有差

3、異的特征來對其進行識別。
　　本文主要完成的內(nèi)容及研究結(jié)果如下:
　　1.采用了圖論分析方法對PNES、癲癇和正常組的網(wǎng)絡屬性進行統(tǒng)計分析,統(tǒng)計結(jié)果表明,PNES和癲癇患者的網(wǎng)絡屬性與正常組相比發(fā)生了顯著性變化,但PNES組和癲癇組之間并未發(fā)現(xiàn)顯著性變化,從而PNES和癲癇之間基于網(wǎng)絡屬性的分類精度很低。
　　2.在功能連接網(wǎng)絡的基礎(chǔ)上采用空間模式網(wǎng)絡方法來提取網(wǎng)絡的空間拓撲結(jié)構(gòu)信息作為PNES與癲癇的識別特征,該方法

4、的結(jié)果顯示,PNES和局灶性癲癇的最高分類性能為:準確率92.00％,敏感性100.00％,特異性80.00％。
　　3.分別將上述分析過程設計成了兩個基于Matlab實現(xiàn)的GUI(Graphical User Interface,圖形用戶界面)模塊:網(wǎng)絡特征提取模塊(包括網(wǎng)絡屬性特征提取和空間模式網(wǎng)絡特征提取)和特征分類模塊。
　　本文研究發(fā)現(xiàn),PNES和癲癇之間的功能網(wǎng)絡拓撲結(jié)構(gòu)存在著顯著性差異,可是網(wǎng)絡屬性統(tǒng)計分析卻并