统计分析揭示了癫痫发作的形状

脑电图记录的统计分析产生的锥体图可以提高我们对癫痫发作的理解。

统计方法从当前的测量方法中挤出了更详细的信息大脑信号在癫痫发作，增加有关这些信号如何产生和传播的新见解。

在癫痫发作之前和期间对脑检查患者的脑检查（EEG）记录是一种相当有效的方法来检测该部分脑这可以受益于手术治疗。但这对于更具挑战性的案件还不够。

现在，由威斯康星大学 - 麦迪逊分校的Kaust Biostatisticians Hernando Ombao和同事Yuan Wang开发了一种方法大脑区域甚至在癫痫发作发生之前。

根据Chung和Wang的说法，该方法可以为癫痫发作提供临床上有用的工具。

该方法源于数学领域，该数学领域通过研究数据的形状表示及其相互作用来分析大而复杂的数据集。分析这些形状提供有关数据中存在的模式的信息。该团队应用了他们的方法，称为拓扑数据分析框架，以查看他们可以从癫痫发作之前和期间进行的脑电图记录中学到什么。

统计方法消除了脑电图记录中的噪音，提供了清洁信号。然后绘制一系列与录音中的信号直接相关的形状。最终的锥体形状（持久性景观）代表来自头皮上每个电极的信号，可很好地了解癫痫发作起源于大脑及其散布的位置。

对患者脑电图记录的分析表明，癫痫发作起源于电极内或周围的区域，这些区域从大脑的左颞叶中测量信号。然后，它传播到右颞叶。

进一步的仿真研究表明，即使信号被掩埋在噪声下，该测试也是稳健和敏感的。

“癫痫学家应通过添加这样的方法来增强其数据分析工具箱，以捕获拓扑特征作为评估的一部分发作在更具挑战性的癫痫病例中的焦点。” Ombao说。

该团队下一步计划在大量脑电图录音中测试他们的框架，以临床验证他们的发现。ombao也在开发统计方法研究冲击对大脑的影响，例如在癫痫或中风中，对大脑区域和神经细胞种群之间的通信网络的影响。

---

---