文献

J-GLOBAL ID：202202222006376443   整理番号：22A0943099

焦点発作型および相のスペクトルおよびネットワーク特性評価【JST・京大機械翻訳】

Spectral and network characterization of focal seizure types and phases

著者 (5件)： Sanz-Garcia Ancor (Instituto de Investigacion Sanitaria, Hospital Universitario de la Princesa, Diego de Leon 62, 9th floor, Madrid 28006, Spain) ,  Perez-Romero Miriam (Instituto de Investigacion Sanitaria, Hospital Universitario de la Princesa, Diego de Leon 62, 9th floor, Madrid 28006, Spain) ,  Ortega Guillermo J. (Instituto de Investigacion Sanitaria, Hospital Universitario de la Princesa, Diego de Leon 62, 9th floor, Madrid 28006, Spain) ,  Ortega Guillermo J. (CONICET, National Scientific and Technical Research Council, Argentina) ,  Ortega Guillermo J. (Universidad Nacional de Quilmes, Science and Technology Department, Argentina)
資料名： Computer Methods and Programs in Biomedicine  (Computer Methods and Programs in Biomedicine)
巻： 217  ページ： Null  発行年： 2022年 
JST資料番号： D0213C  ISSN： 0169-2607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 現在,てんかん発作特性化は,異なるタイプへのそれらの分類を可能にするいくつかの臨床的特徴に依存する。本研究は,電気生理学的特性のみに基づく発作型と相の両方を特性化することを目的とする。欧州てんかんデータベースから得られた22人の患者からの129発作の頭蓋内EEG記録の分析に基づいて,ネットワークとスペクトル測定を5秒の時間窓で算出した。発作期(発作期,発作後期)の各窓と発作期の間の統計的に有意な差を,発作型とそれらの相の同定/分類に使用した。ネットワークとスペクトル測定の多次元特徴空間に作用するサポートベクトルマシン(SVM)を,各発作型の分類のために実行した。従来の統計的アプローチも行い,各発作型または相に対する基礎となるパターンを強調した。SVMによって提供された機会によって補正された発作型の正しい分類のパーセンテージは,すべての測定および全発作(発作+発作後)を考慮して,70%を超えた。このパーセンテージは,深さ電極に対する発作期間,または硬膜下電極に対する発作期間のすべての測定が考慮された場合,80%以上に増加した。統計的アプローチに関して,いくつかの尺度は,発作重症度に関して単調上昇および下降行動を示した。これらの変化は発作期と発作期の間に観察された。いくつかの対策は,各発作型に特異的であった。本結果は,発作特性化に対する新しいフレームワークを提供し,頭蓋内EEGに基づく分類の可能性を明らかにした。これは自動発作分類システムを構築し,てんかんのネットワーク関連生理病理学の新しい証拠を提供する。したがって,本研究の新規性は,EEG記録に基づく発作型の識別の可能性であり,その最適分類を可能にする各発作型および/または相に対する根底にあるパターンまたは特徴の証拠を提供する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データベース ,  *ネットワーク ,  脳波 ,  てんかん ,  *スペクトル ,  ヨーロッパ ,  高次元 ,  キャラクタリゼーション ,  *発作 ,  機械学習 ,  サポートベクトルマシン
準シソーラス用語： てんかん性発作 ,  特徴空間 ,  頭蓋内脳波 ,  重症度 , 【Automatic Indexing@JST】

著者キーワード (5件)： 発作型 ,  機械学習 ,  EEG ,  ネットワーク ,  てんかん

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 焦点発作 ,  相 ,  スペクトル ,  特性評価