癫痫脑电希尔伯特谱

整体脑网络特征融合

将多通道脑电信号同时转化为时频图像与脑网络，用整体视角刻画癫痫发作期的特征，为无创识别提供新指标。

刘小锦 · 王婷婷 · 叶明全 · 黄守芳 · 汪茂胜 · 张季谦

Frontiers in Neuroscience 2023

参数信息

灵敏度

99.8 %

准确率

98.7 %

特异性

97.4 %

F1分数

98.7 %

AUC-ROC

99.9 %

技术优势

从全脑视角捕捉特征

利用符号转移熵构建脑网络，揭示发作期与间期不同的网络特性，且发作期信号更快进入同步状态。

提供多种高性能识别指标

CNN模型在希尔伯特谱图像上取得99.8%灵敏度、98.7%准确率、97.4%特异性、98.7% F1分数、99.9% AUC-ROC，为发作识别提供可靠依据。

推动无创诊断应用

所提取的多通道特征可作为物理无创指标，用于癫痫发作的识别与预测。

应用场景

• 癫痫脑电监测：将本模块集成到脑电监测系统，自动识别发作期与间期，辅助临床实时预警。
• 脑机接口信号处理：所提出时频图像与脑网络融合方法可用于脑机接口中脑状态解码，提升识别可靠性。
• 神经疾病诊断：该技术可作为辅助指标用于癫痫等神经疾病的诊断与预测，推动无创评估。