Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phân loại chuỗi thời gian điện não đồ (EEG): Ứng dụng trong bệnh động kinh
Tóm tắt
Động kinh là một trong những rối loạn não phổ biến nhất. Khoảng 25–30% bệnh nhân động kinh vẫn không phản ứng với điều trị bằng thuốc chống động kinh, đây là liệu pháp tiêu chuẩn cho động kinh. Trong nghiên cứu này, chúng tôi áp dụng các kỹ thuật khai thác dữ liệu dựa trên tối ưu hóa để phân loại hoạt động bình thường và hoạt động động kinh của não bằng cách sử dụng điện não đồ (EEG) xâm lấn, một công cụ để đánh giá trạng thái sinh lý của não. Một phương pháp xác thực chéo thống kê và máy vector hỗ trợ đã được thực hiện để phân loại các hoạt động bình thường và bất thường của não. Kết quả của nghiên cứu này chỉ ra rằng có thể thiết kế và phát triển các thuật toán cảnh báo cơn động kinh hiệu quả cho các mục đích chẩn đoán và điều trị.
Từ khóa
#động kinh #điện não đồ #khai thác dữ liệu #phân loại #máy vector hỗ trợTài liệu tham khảo
Begley, C., J. Annegers, D. Lairson, T. Reynolds, and W. Hauser. (1994). “Cost of Epilepsy in the United States: A Model Based on Incidence and Prognosis.” Epilepsia, 35(6), 1230–1243.
Begley, C., M. Famulari, J. Annegers, D. Lairson, T. Reynolds, S. Coan, S. Dubinsky, M. Newmark, C. Leibson, E. So, and W. Rocca. (2000). “The Cost of Epilepsy in the United States: An Estimate from Population-Based Clinical and Survey Data.” Epilepsia, 41(3), 342–351.
Chaovalitwongse, W., P. Pardalos, L. Iasemidis, D.-S. Shiau, and J. Sackellares. (2003). “Applications of Global Optimization and Dynamical Systems to Prediction of Epileptic Seizures.” In P. Pardalos, J. Sackellares, L. Iasemidis, and P. Carney, (Eds). Quantitative Neuroscience, pp. 1–36. Kluwer.
Chaovalitwongse, W., P. Pardalos and O. Prokoyev. (2004). “A New Linearization Technique for Multi-quadratic 0–1 Programming Problems.” Operations Research Letters, 32(6), 517–522.
Elger, C. and K. Lehnertz. (1998). “Seizure Prediction by Non-Linear Time Series Analysis of Brain Electrical Activity.” European Journal of Neuroscience, 10, 786–789.
Iasemidis, L. (1991). “On the Dynamics of the Human Brain in Temporal Lobe Epilepsy.” PhD thesis, University of Michigan, Ann Arbor.
Iasemidis, L., P. Pardalos, J. Sackellares, and D.-S. Shiau. (2001). “Quadratic Binary Programming and Dynamical System Approach to Determine the Predictability of Epileptic Seizures.” Journal of Combinatorial Optimization, 5, 9–26.
Iasemidis, L. and J. Sackellares. (1991). “The Evolution with Time of the Spatial Distribution of the Largest Lyapunov Exponent on the Human Epileptic Cortex.” In D. Duke and W. Pritchard (Eds.), Measuring Chaos in the Human Brain, pp. 49–82. World Scientific.
Iasemidis, L., D.-S. Shiau, W. Chaovalitwongse, J. Sackellares, P. Pardalos, P. Carney, J. Principe, A. Prasad, B. Veeramani, and K. Tsakalis. (2003).“Adaptive Epileptic Seizure Prediction System.” IEEE Transactions on Biomedical Engineering, 5(5), 616–627.
Lehnertz, K. and C. Elger. (1998). “Can Epileptic Seizures be Predicted? Evidence from Nonlinear Time Series Analysis of Brain Electrical Activity.” Phys. Rev. Lett., 80, 5019–5022.
Litt, B., R. Esteller, J. Echauz, D. Maryann, R. Shor, T. Henry, P. Pennell, C. Epstein, R. Bakay, M. Dichter, and G. Vachtservanos. (2001). “Epileptic Seizures May Begin Hours in Advance of Clinical Onset: A Report of Five Patients.” Neuron, 30, 51–64.
Martinerie, J., C.V. Adam, and M.L.V. Quyen. (1998). “Epileptic Seizures Can Be Anticipated by Non-Linear Analysis.” Nature Medicine, 4, 1173–1176.
Pardalos, P., W. Chaovalitwongse, L. Iasemidis, J. Sackellares, D.-S. Shiau, P. Carney, O. Prokopyev, and V. Yatsenko. (2004). “Seizure Warning Algorithm Based on Spatiotemporal Dynamics of Intracranial Eeg.” Mathematical Programming, 101(2), 365–385.
Pardalos, P., V. Yatsenko, J. Sackellares, D.-S. Shiau, W. Chaovalitwongse, and L. Iasemidis. (2003). “Analysis of EEG Data Using Optimization, Statistics, and Dynamical System Techniques.” Computational Statistics & Data Analysis, 44(1–2), 391–408.
Quyen, M. L.V., J. Martinerie, M. Baulac, and F. Varela. (1999). “Anticipating Epileptic Seizures in Real Time by Non-Linear Analysis of Similarity Between EEG Recordings.” NeuroReport, 10, 2149–2155.
Wolf, A., J. Swift, H. Swinney, and J. Vastano. (1985). “Determining Lyapunov Exponents from a Time Series.” Physica D, 16, 285–317.