2022年9月28日

检测癫痫发作和解释脑电图，直接的算法方法

印度科学研究所(IISc)的研究人员与印度医学科学院Rishikesh合作，开发了一种算法，可以帮助解码大脑扫描，以确定癫痫的发生和类型。

癫痫是一种神经系统疾病，患者的大脑会在短时间内发出突然爆发的电信号，导致癫痫发作、痉挛，在极端情况下甚至死亡。根据大脑不稳定信号的起源点，癫痫可分为局灶性或广泛性癫痫。当不稳定的信号被限制在大脑的特定区域时，就会发生局灶性癫痫。如果信号分布在随机位置，则称为广泛性癫痫。

为了确定患者是否患有癫痫，神经生理学家需要手动检查脑电图(eeg)，它可以捕捉到这种不稳定的信号。电子系统工程系助理教授Hardik J Pandya说，长时间的视觉脑电图检查可能会变得疲惫，偶尔可能会导致错误生物医学信号处理与控制．

“该研究旨在区分正常受试者的脑电图与癫痫患者的脑电图。此外，开发的算法试图识别癫痫发作的类型。我们的工作是帮助神经学家进行高效、快速的自动筛查和诊断。”

在他们的研究中，该团队报告了一种新的算法，可以筛选脑电图数据，并从电信号模式中识别癫痫的特征。后最初的培训研究人员说，该算法能够根据他们各自分析中的这些模式来检测一个人是否可能患有癫痫，准确率很高。

为了开发和训练算法，研究人员首先检查了88人的脑电图数据人类被试在印度医学科学院瑞诗凯什获得的。每个受试者都接受了45分钟的脑电图测试，分为两部分:最初的10分钟测试是在受试者清醒时进行的，包括光刺激和过度换气，然后是在受试者被要求睡觉时进行的35分钟睡眠。接下来，研究小组分析了这些数据，并将不同的波浪模式分为尖锐信号、尖峰波和慢波。峰值是指信号在很短的时间内上升和下降(约70毫秒)，而锐波是指在稍长的时间内上升和下降(约250毫秒)，而慢波的持续时间要长得多(约400毫秒)。

与健康人相比，癫痫病患者表现出一套不同的模式。研究人员开发了一种计算锐波总数的算法——累积锐波计数——并将其作为一个参数来检测受试者是否患有癫痫(数值越高表明受试者患有癫痫的可能性越大)。该算法还计算尖峰和尖峰曲线下的面积之和，以区分局灶性癫痫和广泛性癫痫(值越大表示广泛性癫痫，而局灶性癫痫值越低)。研究人员补充说，该研究显示了一种识别失神发作(涉及短暂、突然意识丧失的发作)的方法，使用累积峰值波计数;在某些情况下，失神发作是这是致命的．

然后团队运行他们的算法根据一组新的受试者脑电图数据，这些受试者的分类(他们是否患有癫痫，如果患有，他们患的是哪种类型的癫痫)医生已经知道了。这项盲法验证研究在近91%的病例中成功地对受试者进行了准确分类。