热门标签 | HotTags
当前位置:  开发笔记 > 前端 > 正文

【文献摘录】癫痫与脑电图特点

主要把看到的内容进行了整理,链接已在中间附上。文章目录1-癫痫的概念2-癫痫的脑电图检测手段2.1-脑电图(EEG)2.1.1-EEG的概念2.1.2-EEG的采集2

主要把看到的内容进行了整理,链接已在中间附上。

文章目录

  • 1 - 癫痫的概念
  • 2 - 癫痫的脑电图检测手段
    • 2.1 - 脑电图(EEG)
      • 2.1.1 - EEG的概念
      • 2.1.2 - EEG的采集
      • 2.1.3 - EEG按照频率分类
        • Alpha波
        • Beta波
        • Theta波
        • Delta波
        • Gamma波
        • Mu波
    • 2.2 - 癫痫的EEG特点
    • 2.3 - 癫痫数据集举例


1 - 癫痫的概念

癫痫(Epilepsy)是已知或未知病因引起,由脑部大量神经元反复发作异常同步放电引起的短暂性脑功能异常的一组临床综合征。可以表现为感觉、运动、意识、精神、行为、资助神经功能障碍或兼而有之。

在这里插入图片描述
图1:儿童失神性癫痫患者的脑电波释放出的3赫兹棘徐波

癫痫的维基百科

详细的见【2018 Nature】Review Disease Primers - Epilepsy 【文献翻译】

2 - 癫痫的脑电图检测手段

2.1 - 脑电图(EEG)


2.1.1 - EEG的概念

脑电图 (Electroenc ephalo gram, EEG) 是放置于头皮特定位置的电极采集获得的大脑内同步神经元活动产生的微伏级电信号。 EEG 作为最常用、最经济的非侵入式脑电波检测手段, 已有 70 余年的研究历史, 是癫痫相关疾病诊断最有效的方法,例如对癫痫发病进行识别、预测和病灶定位等。

脑电图是临床医学常用的采集脑电信号的手段。即通过使用精密的电子仪器,从头皮上将大脑自发产生的生物电流加以放大所产生的波形。现代医学中常常使用电极记录下大脑皮层中神经元细胞群自发性、规律性的放电活动。脑电图的采集通常分为两种情况,侵入大脑式非侵入大脑式。针对侵入大脑式的癫病信号采集,在临床上往往要通过开颅手术,将电极置入人脑中从而获取脑电信号。这里侵入式又分为在皮层出提取和放置深部获取脑电两种方式。侵入式的方法获取到的脑电信号往往信噪比高并且空间分辨度较高,但是开颅手术对于患者的风险极大,检测成本相对高昂,也极其容易对患者造成二次伤害。所以在临床医学上,为了节约成本和控制风险的角度考虑,常常使用非侵入的方式对癫病脑电信号进行采集,并且在研究中大部分的脑电识别任务都是以非侵入的方式进行采集。

2.1.2 - EEG的采集

2012年国际脑电图学会正式采用了相关采集脑电图标准电极放置法:10-20系统电极放置法,10-20国际标准导联系统就此诞生。10-20系统表达了电极位置与大脑皮层之间的位置关系。数字“10”和“20”分别表示:相邻电极之间的距离为头骨相对位置10%或20%的距离,在每一个电极放置点有一个字母用于表示大脑区域叶片,还有一个字母表示半球位置。具体点位如下图2.3所示。
在这里插入图片描述

现如今10-20国际标准导联系统被广泛应用于癫病识别、神经病患确诊以及脑部肿瘤等方面。可以准确的获得其发病前、发病中、发病之后的脑电图波形,对学者专家研究脑部疾病具有相当重大的意义。

2.1.3 - EEG按照频率分类

脑电信号是一种时变的非平稳信号。背景噪声强、是极其微小的电活动,信号幅度微弱,幅度为5μV左右,最大为100μV, EEG的本质是波形图,所以拥有与普通波形图同样的参数,即波形、幅度和频率。依据频率可以推测大脑的活动程度,对于我们研究脑部疾病包括癫病有着很重要的意义。

科普 | 脑电波入门 脑电与睡眠/数据分析/人机交互应用/读心术?操控意识?

根据频率的不同,EEG可分为:

Alpha波

在这里插入图片描述

Beta波

在这里插入图片描述

Theta波

在这里插入图片描述

Delta波

在这里插入图片描述

Gamma波

在这里插入图片描述

Mu波

在这里插入图片描述
脑电图如何看,在临床上有哪些运用?
在这里插入图片描述

2.2 - 癫痫的EEG特点

癫病是一种常见的大脑神经元之间异常放电形成的一种现象,相对于前一节的脑电信号,癫病信号波形特征较为不正常,并且脑电信号中较为不常见的占波会频繁出现。通过脑电图我们可以记录和分析癫病患者在癫病发作期间产生的EEG中癫病信号的相对特征。

  • 发作间期,脑电信号为瞬变波形,表现为尖波棘波,
  • 癫病发作的脑电信号是连续的,具有尖波和棘波的复合波形

发作间期癫病样放电单侧周期性癫病样放电对诊断有明确价值。棘波、尖波主要用于确诊是否患有癫病疾病,棘慢波,尖慢波通常用来判断癫病是否发生。所以对癫病脑电信号的特征进行了解和分析,对癫病脑电信号的检测和识别具有重要意义。

癫病信号的波型特征如下:

  1. 棘波:是一种在癫病患者脑电图中最为常见的一种波形。相对于正常的脑电波形,棘波具有突发性较强、特征显著、幅度变化较快且较大等特点。其波形表现为突发的产生幅度跳动,一般的波形幅度在10μV之上
  2. 尖波:在癫病患者的脑电图中出现的频率仅次于棘波,其EEG波形特点为幅度突发上升,并且在幅度下降时较为缓慢。由于此特点,在EEG上通常会表现为三角形形态,在癫病发作期间尖波产生的频率较高。其波形的幅度通常在100-200μV之间,有的甚至大于300μV,波形的周期在80-200ms之间;
  3. 棘一慢复合波:在癫病病患的EEG中体现为棘波和慢波叠加形成的复合波。 由于其叠加的慢波基础,其波形周期较长,约为200-500ms,同时叠加的棘波特征也存在于棘一慢复合波中,其幅度往往和棘波类似,一般幅度在150-300μV之间,有的棘一慢复合波的幅度则会高达500μV;
  4. 尖一慢复合波:在癫病病患EEG中,存在于尖波之后。尖一慢复合波的波形基本无规律,时域上只有在慢波后出现这一个特征,其产生的区域往往在大脑皮层的额叶区域。
    在这里插入图片描述在这里插入图片描述

在这里插入图片描述

癫痫患者并不是只有在发作的时候才会放电,实际上在平时的时候也会出现一些异常的放电,一般不至于会引起一些发作,但是这种放电会逐渐的增长,积累达到一定的程度后会引起癫痫的发作,就算是癫痫患者没有发作的时候,脑电图也是有作用的,也是能完全地查出这种疾病的。

尖波和棘波的区别
癫痫各种脑电图解答

2.3 - 癫痫数据集举例

在这里插入图片描述
以下五幅图分别为SetE(发作期)、SetA(睁眼)、SetB(闭眼)、SetC(发作间期)、SetD(发作间期)
在这里插入图片描述

还有啥想到再补充

参考:基于卷积神经网络的癫痫信号检测方法研究


推荐阅读
  • 本文详细探讨了网站流量统计中常用的三个关键指标:页面浏览量(PV)、独立访客数(UV)和独立IP数(IP)。通过分析这些指标的定义、计算方法及其应用场景,帮助网站运营者更好地理解用户行为,优化网站内容与用户体验。 ... [详细]
  • 深入解析Android自定义View面试题
    本文探讨了Android Launcher开发中自定义View的重要性,并通过一道经典的面试题,帮助开发者更好地理解自定义View的实现细节。文章不仅涵盖了基础知识,还提供了实际操作建议。 ... [详细]
  • 信用评分卡的Python实现与评估
    本文介绍如何使用Python构建和评估信用评分卡模型,涵盖数据预处理、模型训练及验证指标选择。附带详细代码示例和视频教程链接。 ... [详细]
  • 卷积神经网络(CNN)基础理论与架构解析
    本文介绍了卷积神经网络(CNN)的基本概念、常见结构及其各层的功能。重点讨论了LeNet-5、AlexNet、ZFNet、VGGNet和ResNet等经典模型,并详细解释了输入层、卷积层、激活层、池化层和全连接层的工作原理及优化方法。 ... [详细]
  • 探索电路与系统的起源与发展
    本文回顾了电路与系统的发展历程,从电的早期发现到现代电子器件的应用。文章不仅涵盖了基础理论和关键发明,还探讨了这一学科对计算机、人工智能及物联网等领域的深远影响。 ... [详细]
  • 尽管深度学习带来了广泛的应用前景,其训练通常需要强大的计算资源。然而,并非所有开发者都能负担得起高性能服务器或专用硬件。本文探讨了如何在有限的硬件条件下(如ARM CPU)高效运行深度神经网络,特别是通过选择合适的工具和框架来加速模型推理。 ... [详细]
  • 智能车间调度研究进展
    本文综述了基于强化学习的智能车间调度策略,探讨了车间调度问题在资源有限条件下的优化方法。通过数学规划、智能算法和强化学习等手段,解决了作业车间、流水车间和加工车间中的静态与动态调度挑战。重点讨论了不同场景下的求解方法及其应用前景。 ... [详细]
  • 机器学习核心概念与技术
    本文系统梳理了机器学习的关键知识点,涵盖模型评估、正则化、线性模型、支持向量机、决策树及集成学习等内容,并深入探讨了各算法的原理和应用场景。 ... [详细]
  • 本文探讨了当前技术发展趋势,特别是大数据和人工智能如何推动工业互联网的发展。文章分析了全球主要国家在工业互联网领域的进展,并展望了未来工业互联网技术的发展方向。 ... [详细]
  • Apache IoTDB:开源工业物联网数据库的崛起
    2020年9月23日,全球领先的开源软件基金会——Apache软件基金会宣布,Apache IoTDB正式成为其顶级项目。Apache IoTDB是一款专为大规模物联网和工业物联网设计的开源数据库。 ... [详细]
  • Python库在GIS与三维可视化中的应用
    Python库极大地扩展了GIS的能力,使其能够执行复杂的数据科学任务。本文探讨了几个关键的Python库,这些库不仅增强了GIS的核心功能,还推动了地理信息系统向更高层次的应用发展。 ... [详细]
  • 自SQL Server 2005以来,微软的这款数据库产品逐渐崭露头角,成为企业级应用中的佼佼者。本文将探讨SQL Server 2008的革新之处及其对企业级数据库市场的影响。 ... [详细]
  • 本文将探讨如何在Excel中运用回归分析技术进行数据预测。在此之前,读者应熟悉Excel中的相关分析功能,了解两者在数据分析中的相互作用。 ... [详细]
  • 本文旨在探讨机器学习与数据分析之间的差异,不仅在于它们处理的数据类型,还包括技术背景、业务应用场景以及参与者的不同。通过深入分析,希望能为读者提供清晰的理解。 ... [详细]
  • 顺丰速运(简称顺丰)长期以来以其快递服务闻名。然而,随着大数据和科技元素的不断融入,顺丰正逐步转变为一个科技驱动的企业,展现出全新的品牌形象。 ... [详细]
author-avatar
在烟的世界
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有