基于脑磁图的颞叶癫痫亚型分类研究

发布时间：2020-07-01 00:18

【摘要】：颞叶癫痫(temporal lobe epilepsy,TLE)是一种慢性神经疾病,根据临床表征差异,分为复杂部分性发作(CPS)和简单部分性发作(SPS)两种亚型。目前,CPS和SPS临床表征差异背后的神经机制尚不清楚,并且临床上也对实现CPS和SPS的智能化精准分类提出了更高要求。针对以上问题,本文使用了时间、空间分辨率更高的脑磁图对CPS和SPS患者的脑功能连接网络进行研究,并通过构建支持向量机和深度卷积神经网络模型实现CPS和SPS的精准分类。主要内容包括:MEG数据采集及处理、脑网络功能连接矩阵的构建与分析、采用深度学习对癫痫亚型进行精准分类。本文首先对32名(16 CPS,16 SPS)被试进行MEG和MRI数据采集,并对采集到的符合要求的数据进行窗口化处理,统一截取为4s。然后进行带通滤波和下采样处理,并使用ICA算法去除心电和眼电成分。最后,经过分割、溯源等获得每个样本对应的功能连接矩阵,为接下来研究癫痫患者的功能连接以及实现颞叶癫痫亚型精准分类做铺垫。其次,使用F-score算法对样本中的功能连接特征的分类能力进行定量描述,结合SVM分类模型经过14轮交叉验证后得到16个高重复率的功能连接特征,并在测试集上获得了81.37%的准确率。研究发现在颞叶和岛叶区域,CPS和SPS之间的功能连通性差异相对较小。由于TLE定位在颞叶且两类患者的主要区别在于是否伴有意识障碍,因此,研究认为CPS患者发生意识障碍与颞叶区域的功能连接之间没有明显的关系。最后,为了实现CPS和SPS的精准分类,本文额外增加了16名健康对照的数据,通过构建深度神经网络实现正常被试和两种癫痫亚型的精准分类。最终,模型在测试集上的准确率为93.86%。
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;R742.1

【参考文献】