ECoG,EEG-fMRI多模態癲癇監測與病灶定位研究

《ECoG,EEG-fMRI多模態癲癇監測與病灶定位研究》是依託北京理工大學，由唐曉英擔任項目負責人的面上項目。

基本介紹

• 中文名：ECoG,EEG-fMRI多模態癲癇監測與病灶定位研究
• 依託單位：北京理工大學
• 項目負責人：唐曉英
• 項目類別：面上項目

項目摘要

癲癇是一種發病率高的大腦神經系統疾病，具有突發性和反覆性，對患者的生命安全構成極大的威脅。有效監測癲癇和對病灶定位對於該病的預防和治療具有重要意義。單一因素無創監測癲癇發作存在精確度太低的問題，而目前主流的皮層腦電癲癇灶定位方法，存在無法檢測全腦腦電信號並且有創的問題。本研究擬利用現有的皮層腦電信號檢測方法與結果為基礎，採用分數階傅立葉變換提取腦電特效特徵，用支持向量機算法建立分類標準，實現癲癇發作自動監測；同時，分析研究頭皮腦電（sEEG）、皮層腦電（cEEG）與fMRI多模態信息的相關性，建立多模態癲癇信息傳遞模型；模擬內層腦電信號向外傳播過程，獲得sEEG與cEEG信號間的位置、強度對應關係，研究利用基於高頻振盪信號（HFOs）的希爾伯特變換方法對皮層腦電信號分析結果，確定頭皮腦電信號結合fMRI致病灶定位新方法，探索出一種多模態無創監測癲癇發作和病灶定位的新思路和新方法。

結題摘要

項目組從癲癇患者的頭皮腦電、皮層腦電、立體定向腦電圖與MRI多模態下的醫學信號出發，開展了癲癇腦電信號的處理及有效特徵提取工作，並進一步將有效特徵套用於多模態的癲癇信息的傳遞模型當中。本項目完成了癲癇患者多模態信息的特徵提取、特徵篩選與分析工作；建立了癲癇發作基於腦電信號的SVM、MLP、LSTM機器學習預測模型，實現了癲癇發作的高準確度和高敏感度的預測；構建了腦電數據的癲癇動態網路並完成了癲癇網路動力學分析；進行了iEEG-MRI多模態的癲癇病灶區定位研究，提出一種基於立體定向腦電圖頻段能量分布特徵圖譜的致癇灶定位方法，在臨床套用中具有廣闊前景。發明了一種基於微帶線的平衡驅動式磁共振射頻線圈，在北京大學CMR磁共振平台的測試結果表明，該核磁線圈提高了信噪比，沒有偽影，適用於高場強、頻率為123.2MHZ的醫用平台。