基于多通道动-静态脑功能网络特征的致痫灶定位

摘要

癫痫是一种常见的神经系统疾病，难治性癫痫患者需通过致痫灶切除手术以摆脱疾病的困扰，癫痫病灶的定位是癫痫术前评估的最终目的．针对脑电的单通道特征无法充分提取癫痫发作过程的有效信息，本研究提出了一种融合多通道静态脑功能网络特征和动态脑功能网络特征的算法进行致痫灶定位．首先，计算致痫通道与非致痫通道的幅值包络相关性，构建癫痫脑功能网络．然后，通过计算静态脑网络的度中心性、特征向量中心性以及动态脑网络的时间相关性，提取了癫痫动-静态脑功能网络特征．最后，融合动-静态脑网络特征并使用支持向量机(SVM)进行致痫灶定位．基于13名癫痫患者的立体定向脑电图(SEEG)数据结果表明，相较于度中心性，特征向量中心性在提取致痫和非致痫通道的静态特征上更为有效，并且在定位致痫灶中表现出更好的分类效果．通过将特征向量中心性和时间相关性特征融合作为输入，使用SVM进行分类，实现了致痫灶的准确定位，其准确率达到了90.2%，并且使用融合特征与单个特征相比定位效果更好．此外，采用训练出的模型，在随机选取的一名患者的数据上进行了验证，发现模型预测的致痫区与临床切除的区域基本吻合．该算法不仅提高了致痫灶定位准确性，还提高了泛化性，也为临床上治疗癫痫提供了有效的辅助手段．

关键词

致痫灶定位 / 立体定向脑电图 / 脑功能网络 / 特征向量中心性 / 时间相关性 / 机器学习