文献

J-GLOBAL ID：201702270082550346   整理番号：17A1397017

線形時変モデルは複雑なてんかん性ネットワークから発生した浸潤性EEG信号を特徴づける【Powered by NICT】

Linear time-varying model characterizes invasive EEG signals generated from complex epileptic networks

著者 (8件)： Li Adam (Department of Biomedical Engineering, Johns Hopkins University, Baltimore, MD, 21218 USA) ,  Gunnarsdottir Kristin M. (Department of Biomedical Engineering, Johns Hopkins University, Baltimore, MD, 21218 USA) ,  Inati Sara (National Institute of Health, USA) ,  Zaghloul Kareem (National Institute of Health, USA) ,  Gale John (Cleveland Clinic, USA) ,  Bulacio Juan (Cleveland Clinic, USA) ,  Martinez-Gonzalez Jorge (Cleveland Clinic, USA) ,  Sarma Sridevi V. (Department of Biomedical Engineering, Johns Hopkins University, Baltimore, MD, 21218 USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 2802-2805  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 皮質脳波記録(ECoG)と定位脳波(SEEG)は神経機構支配行動と神経障害を研究するための一般的なツールであり,てんかんなど。特に,臨床医はそのような侵襲的記録から発作,てんかん発生帯(EZ)を開始する脳領域を同定することに興味を持っている。現在,視覚異常活性を各電極からの信号を,このような記録を特性化し,EZの局在化における精度を増加させる可能性があることを予測モデル類により情報提供を受けていない。本論文では,単純な線形時変(LTV)モデルであるECoGとSEEG活性の両方を特性化するのに十分であるかどうかを試験した。より詳しくいえば,ここでは連続的な時間窓における線形時不変モデル,ECoGと1つのSEEG患者で収集されたデータからLTVモデルを作成する発作現象中及びその後の期間を構築した。これらLTVモデルは,測定されたこれらのLTVモデルはEZ位置決めに使用できることを示唆している両ECoGとSEEG時系列を正確に再構築することを見出した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *ネットワーク ,  再構成 ,  ニューロパチー ,  定位 ,  *線形性 ,  予測モデル ,  患者 ,  脳波 ,  *てんかん ,  情報サービス ,  発作 ,  位置決め ,  キャラクタリゼーション
準シソーラス用語： てんかん焦点 ,  皮質脳波 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (5件)： 線形 ,  モデル ,  てんかん ,  浸潤 ,  EEG信号