【脑源成像】术前癫痫的电源成像 评价:现状与未来展望

Electric source imaging for presurgical epilepsy evaluation: current status and future prospects

  • 术前癫痫的电源成像 评价:现状与未来展望
  • 论文下载:
  • 算法程序下载:
    • 摘要
    • 1 项目介绍
    • 1.1. 选择要综述的文章
    • 2. 电源成像的基本原理
    • 4. ESI的实践方面
      • 4.1脑电图对头部覆盖的密度和范围
      • 2.2那个信号
      • 2.4 ESI作为一个自动化程序
    • 3 专家观点

evaluation: current status and future prospects)

术前癫痫的电源成像 评价:现状与未来展望

论文下载:

DOI: https://doi.org/10.1080/17434440.2020.1748008

算法程序下载:

地址

摘要

  
引言:电源成像(ESI)是指利用脑电图(EEG)对记录在头部表面的电信号的脑源进行估计。由于具有大量电极的脑电图系统的可用性,以及分析它们收集的信号的软件的进展, ESI源可以应用于与癫痫相关的病理脑电图信号,如发作间峰和癫痫发作。
覆盖范围:在这篇叙述性综述中,我们讨论了ESI在考虑手术的癫痫患者中使用的选定的原始研究文章。通过与颅内脑电图和癫痫手术后癫痫控制的金标准比较,电刺激电位可以准确定位癫痫相关活动。ESI带来的信息成功地补充了其他技术,如磁共振成像和正电子发射断层扫描,并与临床患者管理相关。
专家意见:脑电图是一种随时可用的实时测量大脑活动的技术。由于ESI的准确性和实用性,它应该成为临床神经生理学实验室和癫痫中心在癫痫患者术前管理中的常规实践的一部分。

1 项目介绍

  1. 介绍
全球有数千万人受到影响,癫痫是最常见和致残的神经障碍之一[1]。癫痫是一种持续易患的癫痫发作,癫痫发作被定义为大脑[2]中异常过度或同步神经元活动导致的体征或症状的短暂发生。因此,脑电图记录异常的大脑神经元活动(EEG)在癫痫的诊断和治疗中起着关键作用。耐药癫痫,即抗癫痫药物不能控制癫痫发作,影响约三分之一的[3]癫痫患者。在这些患者中,癫痫手术,即切除或断开负责产生癫痫的大脑区域(致痫区),是一种重要的治疗选择,因为它可以避免癫痫发作或显著降低癫痫发作的频率和严重程度[4,5]。

  试图定位和描绘的致痫区需要彻底的多学科调查,称为术前癫痫评估[6]。电源成像(ESI),对脑源的估计记录在头部表面的电势场,在此评价中起着重要作用。原则上,电磁源成像可以应用于记录在头部表面[8]的任何电或磁势场。在这里,我们关注癫痫相关脑电信号的电休克电位、发作间癫痫样放电(也称为发作间尖波,见表1)和癫痫活动。我们特别坚持使用高密度脑电图(hdEEG),其中使用高电极计数(64个电极及以上)来绘制头皮电位场。
并非所有耐药癫痫患者都适合进行癫痫手术[9];然而,即使那些没有的人也可以从全面的[10]癫痫中心的全面的多学科评估中受益。事实上,抗癫痫药物的专家管理、姑息性外科手术、侵入性神经调节和其他非药物方法都可以显著提高疗效减少疾病负担,即使是那些不能接受治疗性切除手术的患者[11-13]。

1.1. 选择要综述的文章

在这篇叙述性综述中,我们讨论了一些处理癫痫手术ESI临床相关问题的文章。我们所涵盖的主题和文章的选择本质上包含了对主观性的衡量,我们希望这一点可以被我们作为该领域过去25年活跃研究人员的专业知识部分抵消。为了更全面地回顾ESI和脑磁图在术前癫痫评估中的准确性,已有的文献进行了系统综述和meta分析[14-16]。

2. 电源成像的基本原理

执行ESI意味着解决一个不适定的逆向问题:理论上,导体表面的电势场的特定配置可以由其中的无限多种电荷配置产生导体。因此,需要额外的假设。一种可能性是将ESI解决方案的位置限制在大脑皮层,因为正是大脑皮层产生发作间隙尖峰和癫痫。例如,在分布式声源定位算法中,ESI通常针对数千个皮层解决方案点进行计算。此外,ESI解决方案是“平滑的”,因为记录在头皮上的脑电图信号来自于相对较大的大脑皮层块的同步活动。在分布式信源定位的情况下,邻近解的活跃度
点被强制为[17]相似。因此,ESI不能提供大脑活动的直接图像或测量,而是估计产生该活动的大脑源的位置。关于ESI的基本原理和技术方面的更详细信息,可参阅综述[8,18,19]。
颅内脑电图(iEEG)是指外科手术将des直接插入大脑或进入大脑,然后捕捉癫痫相关信号,其空间分辨率为几毫米[22]。iEEG通过定位刺激区(刺激区是产生发作间峰的大脑区域)和发作发作区(癫痫起源于[6]),帮助完善关于假定的癫痫发作产生区的假设。文献中对于发作间期脑电图单独使用电休克源或是否强制记录发作期有一些争议。在一项对38名患者的回顾性研究中,他们接受了基于高密度电休克电位的发作间尖刺和随后的iEEG评估,电休克电位最大值与刺激区涉及的最近的iEEG电极之间的中位距离为15毫米。刺激区与发作区之间的中位距离为0毫米,证实了定位发作间尖刺源可以很好地估计seizures的来源。因此,电休克电位最大值与参与发作的最近电极之间的中位距离相似,为17 mm[23]。重要的是,电刺激电位的准确性不依赖于癫痫是否起源于内侧颞叶、颞新皮质或颞外
这表明它对所有类型癫痫的定位都很有用。在该队列中,包括切除脑容量的ESI最大值与术后癫痫自由发作的高概率相关。虽然比较器是直接来自人类皮层的神经生理信号,但应该强调的是,鉴于只有一部分可能的源是用颅内电极采样的,因此这个比较器并不完美。另一个需要注意的是,在少数患者中,iEEG定位的刺激区和癫痫发作区可能不一致[23,24]。
其他同时记录头皮脑电图和iEEG的研究表明,只有一小部分由大脑产生的癫痫相关信号到达头表面。如果使用更多的表面电极,表面检测到的发作间尖刺的比例也更高[25-27]。因此,使用高电极计数系统执行ESI并记录几个小时可以提高该技术的产量

4. ESI的实践方面

  到目前为止,

4.1脑电图对头部覆盖的密度和范围

  
电极在确定记录在头部表面面的电势场的适当分布时是很重要的。直观地说,电极越多越好。事实上,当电极数量从30个增加到60个时,发作间电位ESI的准确性显著提高,并且随着电极数量的进一步增加,其准确性会有更大的提高[41-43]。现代hdEEG系统允许在不到一个小时的准备时间内记录128到256个电极的信号。重要的是,覆盖范围必须延伸到发际线以下,包括面部和颈部,以捕捉来源大脑半球的下表面。模拟研究表明,如果覆盖范围限于头部[44]的上部,则高电极计数的优势被取消。报道的重要性是如此的重要
在这里插入图片描述

2.2那个信号

  在术前评估中,ESI的研究大多以发作间电位作为定位信号。ESI的准确性取决于EEG的信噪比(SNR):因此,在计算ESI之前,相似的峰值应该被平均在一起。不同形态的尖峰电位会影响ESI的准确性,这些形态反映了不同的源或传播模式。发作间期癫痫样放电持续时间在20到300毫秒之间,已知在脉冲的时间过程中潜在的大脑活动会发生显著的传播[45,46]。因此,执行ESI的准确时间点很重要:太早,信噪比可能不足以获得可靠的ESI结果;太迟了并且可能会发生显著的传播(图1)。ESI最常在脉冲的半上升点执行。
在对16名[45]受试者的研究中,使用这个时间点,所有受试者都被正确定位。最近的一项研究对这种做法提出了挑战,建议在[47]发病后尽早定位峰值;然而,这可能导致较差的信噪比。
未来需要更大规模的研究来确定最佳方案ESI时间点。发作间峰可以在查看脑电图记录时手动标记,也可以通过专用软件[48]自动检测并聚类。这两种方法都需要临床神经生理学的专业知识,以避免定位脑电信号的尖峰特征,这些特征是生理或伪影,与发作间期癫痫样放电不相对应。记录时间越长,发作间峰值[49]的数量就越多,也增加了癫痫发作的概率。这必须通过处理较长的录音所增加的工作量来平衡,这个问题本身可以通过自动化一些处理步骤来缓解(见下文)。
在这里插入图片描述
即使发作间峰和癫痫发作的脑源在大多数患者中定位[23,29],对癫痫发作进行ESI治疗也很有吸引力。鉴于脑电图
一种癫痫发作的模式通常是不同的,因为老化癫痫发作不是一个选项。而是癫痫发作前几秒的脑电图的ESI
移动工件模糊它,是一种可能的方法,使用频率分析[50,51]。为此目的开发了各种方法;有趣的是,这些方法产生了相当收敛的ESI结果[52]。总的来说,在目前发表的小型研究中,发作期起搏电休克素的准确性似乎与发作期峰电位电休克素的准确性大致相当[47,50 - 55],尽管这两种方法还没有在大患者组中进行前瞻性比较。与发作间电休克相似,发作间电休克的电极数量也很重要:在10例患者中,76个电极的表现优于32个或更少的[56]。

2.4 ESI作为一个自动化程序

  进行hdEEG记录和ESI需要专业知识和时间,以及专用的硬件和软件。如果这些资源无法获得,在癫痫监测中获得的常规脑电图记录仍然可以获得临床有用的信息,前提是电极覆盖范围按推荐的[31]扩展到颞下区。在最近的研究中,描述了一种使用25到31电极的脑电图记录[58]进行发作间电位检测和聚类的半自动化流程。使用患者自己的MRI,该算法具有良好的敏感性(88%)和特异性(63%)[59,60]。长时间的脑电图记录(sev一般小时到几天),以及电休克治疗仪可用的大量发作间期峰值,可能会改善信噪比足以部分补偿较低的空间采样(例如只有40个电极),但这仍需在前瞻性研究中进行证明

3 专家观点

通过与颅内脑电图的gold standards和手术结果进行比较,ESI在定位癫痫相关脑电图活动的准确性得到了证实[23,29]。这项工作增加了临床社区使用ESI定位大脑活动的信心,并且这种信心也扩展到[18]这些金标准不可用的其他环境。ESI还可以有助于绘制所谓的eloquent cortex(口才皮质),这是一种涉及关键功能的皮质区域,如运动控制或语言感知和产生,外科医生应该避免使用这些皮质区域。体生素ESI 用hdEEG记录的sory诱发电位准确定位中央沟周围的感觉运动皮层[68]。近年来,ESI和MSI已成功应用于
识别哪个大脑半球主导语言[69,70]。利用hdEEG精确定位语言或记忆不可或缺的皮层区域的研究仍在进行中,但情况可能会朝着有利的方向发展在数据分析和知识的规模和底层网络的模块数。
在未来几年,我们预测ESI将完全集成到最全面的癫痫中心的工作流程中,甚至可能成为最高级中心的必要条件。
易于操作的定位程序将内置到临床hdEEG系统中,并且将提供专用服务,允许简单的ESI外包,也适用于电极数量较低(<64)的脑电图。目前,国际临床神经生理学联合会和国际癫痫防治联盟提出的将hdEEG和ESI的记录和分析标准化的倡议将促进这些过程。一旦这些
改进后,ESI将作为常规临床工具扩展到频率分析,以便定位病灶或弥漫性慢节奏(或快节奏)。这可能成为一个额外的有用的工具在癫痫的调查,但也在神经退行性、神经发育和精神疾病,并可能携带有关脑疾病的类型和预后的重要信息。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/127266.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Nodejs沙箱绕过

目录 JavaScript和Nodejs介绍 沙箱&#xff08;sandbox&#xff09; 简单的介绍一下vm模块 下面介绍几种绕过方式 方法1&#xff1a;利用Function构造函数沙箱逃逸&#xff0c;执行命令 方法2&#xff1a;利用argument.callee.caller实现 方法3&#xff1a;利用ES6的 pro…

虚幻引擎 5.1 中全新的增强型输入操作系统

教程链接 https://www.youtube.com/watch?vCYiHNbAIp4s 前提 虚幻引擎5.1之后&#xff0c;项目设置里的input选项&#xff0c;默认会有一条警告&#xff0c;告知旧的input系统已经不能用了。 做法 在content文件夹下新建一个input按钮 input文件夹里面分成两部分内容 1.…

Java必考面试题,谈谈你对 Spring AOP 的理解

大家好&#xff0c;我是伍六七。 今天我们来学习 Spring 框架中最重要的概念之一&#xff1a;AOP。 这是一个 Java 程序员必考的面试题&#xff0c;大家好好理解。我们开始正文。 AOP 的概念 Spring AOP 是 Java 程序员们面试经常被问到的一个问题&#xff0c;但 AOP&#…

高等数学教材啃书汇总重难点(三)微分中值定理与导数的应用

本章节包含多个知识点&#xff0c;一些列微分中值定理是考研证明题的重头戏&#xff0c;而洛必达和泰勒展开则是方法论的天花板难度&#xff0c;虽然对于小题的考察难度较低&#xff0c;整体上仍需重点复习 首先是考研大纲包含的内容&#xff1a; 1.理解并会用罗尔(Rolle)定理、…

万字详解Java的三大特性:封装 | 继承 | 多态

前言&#xff1a;面向对象程序设计的三大特征就是&#xff1a;封装&#xff0c;继承&#xff0c;多态。在前文介绍了类和对象后&#xff0c;我们就可以继而学习什么是封装&#xff0c;怎么用类的子类来实现继承和多态 目录 一.面向对象的特性 1.封装性 2.继承性 3.多态性…

Find My行李箱|苹果Find My技术与行李箱结合,智能防丢,全球定位

行李箱&#xff0c;亦称旅行箱、拉杆箱。是出门时所携带用以放置物品的箱子&#xff0c;它是行李的其中一种类型。通常行李箱是用来放置旅途上所需要的衣物、个人护理用品、纪念品和贵重物品。旅游出差我们离不开行李箱&#xff0c;可是一旦行李箱丢失将造成很大不便&#xff0…

蓝桥杯双周赛算法心得——串门(双链表数组+双dfs)

大家好&#xff0c;我是晴天学长&#xff0c;树和dfs的结合&#xff0c;其邻接表的存图方法也很重要。需要的小伙伴可以关注支持一下哦&#xff01;后续会继续更新的。&#x1f4aa;&#x1f4aa;&#x1f4aa; 1) .串门 2) .算法思路 串门&#xff08;怎么存图很关键&#xf…

基于springboot学生心理咨询评估系统的设计与实现 全套代码 全套文档 附带视频知道教程

springboot学生心理咨询评估系统,springboot vue mysql (毕业论文10784字以上,共30页,程序代码,MySQL数据库) 代码下载: 链接&#xff1a;https://pan.baidu.com/s/1MjiwuWdkVHFQ4toPP1vVrA?pwd4eck 提取码&#xff1a;4eck 【运行环境】 IDEA, JDK1.8, Mysql, Node, Vue …

阿里云服务器ECS经济型e实例和u1有什么区别?

阿里云服务器ECS经济型e实例和通用算力型u1实例有什么区别&#xff1f;如何选择&#xff1f;ECS经济型e实例是共享型云服务器&#xff0c;通用算力型u实例是企业级独享型云服务器&#xff0c;e实例性价比高&#xff0c;现在2核2G3M带宽一年99元&#xff0c;云服务器u1价格相对要…

浅析SR隧道路径批量构造方法

为什么要仿真PCE LSP下发隧道路径&#xff1f; 在大型的多区域网络中&#xff0c;路径计算非常复杂。在某些场景下&#xff0c;为了完成路径计算&#xff0c;需要在控制器上部署特殊的计算组件&#xff0c;并需要不同区域中的节点之间协作。这使得网元在进行路径计算时效率低&…

直播实时数仓基于DataLeap开放平台在发布管控场景的业务实践

更多技术交流、求职机会&#xff0c;欢迎关注字节跳动数据平台微信公众号&#xff0c;回复【1】进入官方交流群 背景 业务背景 随着字节业务的高速增长&#xff0c;业务场景越来越丰富&#xff0c;业务基于数据做的决策也越来越多&#xff0c;对数据的时效性要求也越来越高。…

layui table合计 totalRow 保留4位小数\ 异步请求数据的表格 新增行之后 如何更新数据

layui table合计 totalRow 保留4位小数: 例: totalRowMethod:(column: any, dataSource: any[]) > { let total 0; dataSource.forEach((item) > { total total Number(item[column.key]); …

Vite依赖预构建

本文使用的包管理工具是 npm 开发工具是 vscode 本文作为对 vite的了解性内容即可&#xff0c;实际开发中并不会做太多的工作 依赖预构建干了啥 首先vite会找到对应的依赖&#xff0c; 然后调用 esbuild(对js语法进行处理的一个库)&#xff0c; 将其他规范的代码转换成 esmodu…

Web前端—CSS高级(定位、高级技巧、CSS修饰属性、综合案例:购物网站轮播图)

版本说明 当前版本号[20231108]。 版本修改说明20231107初版20231108对知识点&#xff08;圆点&#xff09;进行补充 目录 文章目录 版本说明目录day08-CSS高级01-定位相对定位绝对定位定位居中固定定位堆叠层级 z-index定位总结 02-高级技巧CSS精灵案例-京东服务HTML结构CS…

API是什么?解密API背后的奥秘

API&#xff0c;全称Application Programming Interface&#xff0c;是一种用于不同应用程序间通信的接口&#xff0c;它允许不同的应用程序之间交换数据和功能。API可以理解为应用程序提供给其他应用程序或开发者的接口&#xff0c;通过这个接口&#xff0c;其他应用程序或开发…

将 Ordinals 与比特币智能合约集成:第 4 部分

控制 BSV-20 代币的分配 在上一篇文章中&#xff0c;我们展示了智能合约可以在铸造后控制 BSV-20 代币的转移。 今天&#xff0c;我们演示如何控制此类代币的分发/发行。 无Tick模式 BSV-20 在 V2 中引入了无Tick模式&#xff0c;并采用了与 V1 不同的方法。 部署 (Deploy) …

openinstall携手途虎养车,赋能汽车服务数字化

近日&#xff0c;openinstall与中国领先的一站式汽车服务平台途虎养车再次续约&#xff0c;双方将开启第三年合作。过去两年&#xff0c;途虎在建设线上线下一体化数字平台的过程中&#xff0c;深度结合openinstall传参归因与渠道统计技术&#xff0c;打造出了一套高效的渠道来…

聚焦千兆光模块和万兆光模块的测试技术及设备

千兆光模块和万兆光模块的测试技术涉及多个方面&#xff0c;如光学性能测试、电气性能测试、动态性能测试、温度测试、环境和耐久性测试等。不同的测试技术可以验证不同的光模块的性能和稳定性&#xff0c;从而确保光模块在各种应用场景下的可靠性&#xff0c;下面将介绍一些常…

PSP - 蛋白质复合物结构预测 模版配对(Template Pair) 逻辑的特征分析

欢迎关注我的CSDN&#xff1a;https://spike.blog.csdn.net/ 本文地址&#xff1a;https://spike.blog.csdn.net/article/details/134328447 在 蛋白质复合物结构预测 的过程中&#xff0c;模版 (Template) 起到重要作用&#xff0c;提供预测结果的关于三维结构的先验信息&…

Ubuntu2004字体不清晰,排查流程

昨天一早来发现平时用的Ubuntu2004物理机的字体变得很模糊&#xff0c;之前还是好好的&#xff0c;这里记录一下解决方案。 解决方案 通过显示器物理按键设置“自适应”解决&#xff0c;我的显示器是长城的&#xff0c;“自适应”按钮是右边从下往上数第二个。 排查流程 我先…