重症监护病人脑电数据的自动聚类分析

• 作者: Emile D'angremonta Eric Rosenthal Jin Jing M.Brandon Westover Mohammad Ghassemi Sahar Zafar Senan Ebrahim
• 来源期刊: 西北大学学报（自然科学版）
• 学科: 数学
• 关键词: 聚类 重症监护 脑电图 发作 "发作间期-发作期"连续统假设 评分者间统一度
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 统计与医学数据分析
• 页码范围: 6-9
• 页数: 4页
• 分类号: O29
• 字数: 1062字
• 语种: 中文
• DOI: 10.16152/j.cnki.xdxbzr.2018-01-002

摘要

癫痫性发作、持续状态及痫样节律性活动是常见的病理性脑部放电状态,通常会在急性脑损伤患者的脑电图(EEG)中表现出来.完成此类病理性波形的有效标记,是进一步诊断与治疗相关疾病的重要前提.为辅助神经内科专家对不同病理波形进行快速标记,文中提出了一种全新的辅助检测标记系统.该系统分别采用特征提取、PCA降维和LE映射可视化等技术,实现EEG中同质模式簇的自动检测.所提方法对哈佛医学院/麻省总医院中10例ICU患者的长时程连续脑电图进行了系统分析.数值实验结果表明,海量脑电数据能够被有效地自动聚类为多种ICU典型标准波形,而且仅通过观测类中心及若干同类成员就能够达到有效标记的目标.同时,LE可视化结果也进一步证实了"发作间期-发作期"连续统假设是成立的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	Emile D'angremonta	乌得勒支大学理学院	1	1	1.0	1.0