基于LS-MEMD的sEEG高频振荡自动识别方法

• 作者: 刘燕 周渊峰 张丽 张龑囧 戴亚康 汤继宏 胡莹 郎恂 郑潜
• 来源期刊: 中国体视学与图像分析
• 学科: 工学
• 关键词: 立体脑电 高频痫样振荡 最小二乘 多维经验模态分解
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机视觉技术
• 页码范围: 183-191
• 页数: 9页
• 分类号: TP301
• 语种: 中文
• DOI: 10.13505/j.1007-1482.2020.25.02.012

摘要

立体定向脑电(stereo-EEG,sEEG)的癫痫间期高频振荡(High Frequency Oscillations,HFOs)与癫痫灶高度相关,广泛用于难治性癫痫切除术前定位中,但HFOs易与高频伪迹等混淆,自动辨识精度低,临床上仍依赖人工辨识,长程sEEG数据量巨大,人工辨识耗时费力易出错,急需HFOs高精度自动识别方法.考虑sEEG具有非线性、非平稳以及多维sEEG之间具有一致相关性等特点,本文提出基于最小二乘-多维经验模态分解(Least Square-Multivariate Empirical ModeDecomposition,LS-MEMD)的HFOs快速自动识别方法.本文基于临床1680段HFOs和1720段高频伪迹测试了该算法的性能,且与小波变换、经验模态分解等方法比较,证明了所提方法具有更高的准确率和更低的误检率.