发作间期的尖峰。a) 典型波形。b) 在时间 t=0 时传感器上的颜色编码活动分布示例，对应于峰值。它显示了一个明确的偶极子模式，表明符号变化区域中的癫痫灶。
莫斯科国立高等经济大学生物电接口中心的研究人员设计了一种使用EEG 和 MEG 检测癫痫标志物的新方法，称为发作间期尖峰检测法。该方法能够解决多种错误和伪影，是对癫痫患者电生理记录自动分析工具的宝贵补充，尤其是在数据嘈杂时这种方法额外重要。皮质癫痫灶的精确定位可以提高神经外科干预的有效性。该研究发表在《神经工程杂志》上。
全世界有超过 6500 万人患有癫痫，其中 30% 的病例的药物治疗效果不好。通过神经外科手术切除致癫痫区的病理性皮质组织，可以相对有效地治疗这些患者。神经外科医生面临的主要挑战是在高达2000平方厘米的皮层区域上定位约 1 平方厘米的癫痫灶。通过观察大脑的电活动以检测发作间期尖峰或尖峰波混合波等波形，可以促进致癫痫区定位。
图 2. 实施 FPCM 的一般步骤。
在反映大脑电活动的多通道信号中寻找发作间期尖峰很困难，需要训练有素的癫痫医生使用尖峰选择标准筛选大量数据。随后分析头皮表面的尖峰振幅分布以定位致癫痫区，以便设计神经外科手术去除该皮质区域。
虽然自动信号处理和数学分析可以促进搜索发作间期尖峰，但这种自动化需要人类操作员应用的选择标准的形式化。
来自莫斯科国立高等经济大学生物电接口中心和名为I.A. Evdokimov的莫斯科医学和牙科大学的一组研究人员开发了一种信号分析技术，用于将尖峰形状的非标准化描述翻译成一组易于验证的逻辑性描述。
“从某种意义上说，我们的算法就像人一样工作。从本质上讲，它可以帮助癫痫学家验证一组非标准化描述尖峰的形状参数。我们算法中使用的仿生方法促进了人机交互，并通过自动分析提高外科医生对所获得结果的信任度，”生物电接口中心主任兼研究团队负责人 Alexei Ossadtchi 解释说。
在将该算法的性能与许多传统方法进行比较后，作者发现前者在处理包含大量高幅度伪影的数据集时优于其他几种成熟的方法。
“该算法的稳健性——能够在存在噪声和扰动的情况下产生稳定的信号分析结果——在处理临床脑电图数据时特别有价值，这些数据通常包含高振幅伪影、尖峰和不稳定波形，”第一作者、莫斯科国立高等经济大学生物电接口中心的助理和博士生 Daria Kleeva 评论道。
参考资料：
https://medicalxpress.com/news/2022-05-biomimetic-algorithm-epileptogenic-areas-brain.html
Daria Kleeva et al, Fast parametric curve matching (FPCM) for automatic spike detection, Journal of Neural Engineering (2022). DOI: 10.1088/1741-2552/ac682a
仅用于学术交流，不用于商业行为，若有侵权及疑问，请后台留言，管理员即时删侵！