基于脑功能网络特征预测癫痫发作.pdfVIP

摘要

癫痫病是一种以反复、无端发作为特征的神经系统疾病，可能会导致严重的健康问题。

到目前为止，全世界患癫痫人数达6500万人，其中有1/3的患者对于目前的手术及药物治疗

等表现出抗药性。本论文的主要研究重点是基于脑功能网络特征，对即将发作的癫痫患者进

行预测报警，以便患者在癫痫发作前采取相应的保护措施，免受伤害。主要是从以下两个方

面来讨论预测方法的有效性：

（1）从宏观方面，基于头皮脑电(Electroencephalography,EEG)信号采用非线性部分定向

相干方法（NonlinearPartiallyDirectedCoherence,NPDC），用此作为大脑功能性连接的测量，

并揭示了癫痫发作前后相关的大脑信息的定向流动。然后通过置信水平阈值法建立脑功能网

络（FunctionalBrainNetworks,FBNs），提取网络的度和聚类系数等特征输入到极限学习机

(ExtremeLearningMachine,ELM)进行癫痫发作预测。结果表明，该方法在所有受试者和所有

EEG频段均取得了良好的效果，最佳预测准确度为89.21％，最佳预测时间为1356.48秒，优

于目前许多方法。

（2）从微观神经元角度，采用神经质量模型（NeuralMassModel,NMM）来拟合大脑深

度电极脑电图（DepthEEG）信号，阐明网络结构、动力学方程和产生癫痫放电三者之间的关

系。为了量化给定网络能够引起癫痫发作的病理性程度，引入了脑网络致痫性指数（Brain

NetworkIctogenicity,BNI）概念，这是BNI首次被用作癫痫发作的预测因子。结果表明，所

提出的方法病人样例中均取得了很好的结果。平均而言，将发作的预测时间检测到2461.74秒

以前，结果表明BNI是癫痫发作预测的有价值的指标。

基于网络结构分析方法对癫痫预测提供了有效特征，是可以作为鉴定癫痫发作相关的网

络模型，为治疗和预测癫痫提供了新的视角。

关键词：癫痫预测，脑功能网络，部分定向相干法，神经质量模型，致痫性指数

ABSTRACT

Epilepsyisaneurologicaldisordercharacterizedbyrepeated,unprovokedthatcancauseserious

healthproblems.Sofaritaffectsmorethan65millionpeopleworldwide,onethirdofwhomcannot

beeffectivelytreatedthroughcurrentmethods.Toaddressabovechallenges,thepresentinvestigation

hassoughttodevelopanovelpredictionstrategyforseizuredetectionbasedonthegraphproperties

ofthecorticalnetwork.Wewilldiscusstheeffectivenessofthepredictionmethodfromthefollowing

twoaspects:

(1)Nonlinearpartiallydirectedcoherence(NPDC)wasemployedasmeasureoffunctional

brainnetworks(FBNs)andanalyzedtorevealthedirectionalflowofepilepsy-linkedbrainactivity.

Anovelpredictionstrategywasthendevelopedforthepredictionofepilepticseizuresbyintroducing

extractednetworkfeaturestoanextremelearningmachine(ELM).Resultsshowthattheproposed

methodachievedfavora