跳到正文

算法、任务与模态

Epilepsy 最新动态

Epilepsy 研究索引；按可核对的标签归档，不以热度评价质量。

153 条精选近 30 天 23 条共收录 294 条

更新

精选归档 · 第 8 页

1月1日周三第 141–153 条
  1. OpenReview · EEG73

    癫痫棘慢波振荡异质模型中的最优刺激设计

    基于摘要分析。该研究针对癫痫发作抑制中的刺激设计问题，采用异质连接的神经场模型，将发作抑制表述为最优控制问题，并使用 pseudospectral method（伪谱法）求解最小能量刺激。主要贡献是在刺激优化中考虑空间异质的神经动力学，而非直接提出 EEG 解码或 BCI 算法。 模型与机制：神经群体模型用于描述可由 EEG 记录的宏观神经活动；文中使用的异质神经场模型能够再现全身性癫痫发作期间常见的时空模式。控制目标是在该模型中设计具有抗发作作用的刺激，同时降低刺激能量。摘要未提供具体动力学方程、异质连接的构建方式、控制约束、刺激位置设定或伪谱离散细节，这些复现条件尚未验证。 结果与边界：作者报告，所设计的最小能量最优刺激能够抑制模型模拟的癫痫发作，且刺激在空间上呈现差异，作者将其归因于底层神经动力学的异质性。摘要还提出寻找合适皮层刺激位置集合的可能性，但未提供位置选择的验证结果。材料没有给出实验 EEG 数据、被试信息、对照基线或定量指标，实验协议、消融及统计信息尚未验证。 证据范围：这是面向癫痫刺激控制的计算模型研究，而非临床验证。其阅读价值在于连接空间异质动力学与刺激优化；模型抑制效果能否延伸至真实脑活动，以及如何利用 EEG 估计模型状态或参数，均尚未验证。

    阅读价值：值得阅读的是将异质神经场动力学与最小能量最优控制结合的刺激设计思路，但作者报告的发作抑制仅来自模型仿真，尚不能据此判断真实 EEG 引导刺激或临床治疗效果。

  2. OpenReview · EEG71

    利用堆叠自编码器提取特征进行癫痫发作检测

    基于摘要分析。该研究针对头皮 EEG 癫痫发作检测中手工特征可能难以适应新发作模式的问题，探索从原始、未标注 EEG 中自动学习表征，并将其用于患者特异性癫痫发作检测。核心方法是结合 stacked autoencoders 与 logistic classifiers，以无监督特征学习替代人工设计特征。 训练采用贪心逐层训练和全局微调两个步骤。摘要明确了特征学习与分类器的组合，但自编码器的具体结构、损失函数、EEG 预处理、输入窗口及微调时的监督方式尚未验证。其研究对象是癫痫发作检测，不是运动想象等 BCI 控制任务；患者特异性设置也不能直接视为跨被试泛化证据。 作者报告，在 CHB-MIT 数据库的标注数据上评估时，所有测试癫痫发作均被检测到，平均检测延迟为 3.36 秒，且误报率较低。摘要未提供测试发作数量、延迟计时定义或误报率数值，因此不能将这一结果扩展为全部 EEG 片段的 Accuracy，也不能据此判断临床可用性。 复现时需要核对患者与训练、测试数据的对应关系，未标注特征学习数据的使用范围，窗口划分与事件级判定规则，以及手工特征对照、误报统计单位和患者间结果差异。实验协议、消融及统计信息尚未验证；上述事项是待核查内容，并不表示作者未开展相关实验。

    阅读价值：值得阅读其以 stacked autoencoders 替代手工 EEG 特征的患者特异性检测路径，但作者报告的检出与延迟结果仍需结合数据划分和误报统计核对。

12月31日周二
  1. OpenReview · EEG76

    集成患者特异性癫痫发作分类与记录处理器的 8 通道可扩展 EEG 采集 SoC

    基于摘要分析。该研究针对头皮 EEG 中患者特异性癫痫发作起始活动的连续检测与记录，提出集成 8 通道模拟前端、机器学习分类处理器及 64 KB SRAM 的可扩展片上系统（SoC）。主要贡献是将 EEG 采集、分类及原始信号缓存整合为硬件系统，而非单独提出新的 EEG 分类算法。 技术机制方面，分类处理器采用支持向量机（SVM），并通过 Distributed Quad-LUT 滤波架构降低面积及功耗与延迟乘积的开销。模拟前端（AFE）采用斩波稳定电容耦合仪表放大器；作者报告，在 0.5–100 Hz 带宽下，噪声效率因子（NEF）为 5.1，输入折算噪声（noise RTI）为 0.91 μVrms。GBW 控制器向 AFE 提供实时增益与带宽反馈，旨在维持分类准确率；具体反馈策略及其性能贡献尚未验证。 验证与结果方面，作者报告使用 Children's Hospital Boston-MIT EEG database 及快速眼眨模式检测测试验证该 SoC。芯片采用 0.18 μm 1P6M CMOS 工艺，面积为 25 mm²；在眼眨分类测试中，Accuracy 为 84.4%，每次分类能耗为 2.03 μJ。该结果属于眼眨任务，不能解读为癫痫发作检测准确率。作者另报告，64 KB 片上存储器最多可保存 120 秒原始 EEG，但摘要未明确这一容量对应的采样率、量化位宽及通道配置。 阅读与复现时需核对患者特异性分类的训练方式、特征处理、被试与数据划分，以及癫痫检测的灵敏度、误报和检测延迟。摘要未给出这些结果，也不足以判断 Cross-subject 或 Cross-session 泛化能力；实验协议、消融及统计信息尚未验证。其硬件集成可为低功耗 EEG 设备设计提供参考，但对其他 BCI 任务的有效性仍需独立评估。

    阅读价值：该研究将 EEG 模拟采集、患者特异性癫痫发作分类与片上记录集成于同一 SoC，值得关注其软硬件协同机制，但摘要中的眼眨分类结果不能替代癫痫检测性能证据。

12月31日周一
  1. OpenReview · EEG70

    集成患者特异性癫痫发作分类与记录处理器的 8 通道可扩展 EEG 采集 SoC

    基于摘要分析。该研究面向持续监测癫痫发作的便携式 EEG 设备，提出一款 8 通道可扩展 EEG 采集 SoC，将患者特异性的 Support Vector Machine（SVM）分类处理器与采集、记录功能集成，旨在兼顾小尺寸、低功耗和减少通信开销。主要研究对象是癫痫发作监测硬件系统，而非通用 BCI 解码算法。 技术动机包括不同患者的 EEG 发作模式差异、低功耗可变动态范围仪表电路与发作检测处理器的集成，以及持续传输 EEG 带来的通信负担。患者特异性 SVM 用于应对个体差异，片上分类则意在减少对片外检测的依赖；摘要未说明特征构造、SVM 核函数、训练数据需求或参数更新方式。 作者援引的前期工作在芯片上提取 EEG 特征，相较传输原始 EEG 数据，作者转述其功耗降至约 1/14，但该方案仍需传输数据并在片外分类。此数字属于引用工作的对照背景，不能作为本研究 SoC 的实测功耗收益。本文摘要未给出自身的检测性能、功耗、记录容量或通信节省量。 复现与评估需核对模拟前端指标、可扩展方式、片上分类与记录流程，以及患者特异性训练和测试的划分。被试规模、数据来源、检测指标、误报率、检测延迟、实验协议、消融及统计信息尚未验证，不能据此判断临床有效性或其在其他 EEG 任务中的适用性。

    阅读价值：值得阅读其将患者特异性 SVM 癫痫发作分类与 EEG 采集、记录集成到低功耗 SoC 的系统设计，但功耗收益与检测性能仍需全文核对。

1月1日周日
  1. OpenReview · EEG74

    基于颅内记录的癫痫发作自适应预测

    基于摘要分析。该研究针对癫痫发作预测中离线可预测性分析与实际在线应用之间的差距，提出 evolving neuro-fuzzy model（演化神经模糊模型），通过组合多个特征识别发作前模式，并在线适应患者个体差异。主要研究对象是颅内 EEG（iEEG）的癫痫发作预测，而非通用 BCI 任务解码。 核心机制：分类器以简单结构和患者无关的参数初始化，随后通过递归方法调整模型结构与参数，逐步形成个体化发作预测器。该设计回应了植入式设备对简单、快速在线方法的需求，但摘要未给出具体特征、模糊规则、结构增长条件或递归更新公式，不能据此确定其计算与存储开销。 数据与结果：研究使用包含 21 名患者颅内记录的公开数据库。作者报告，在该数据库的评估中，在线自适应方法较离线非自适应技术改善了发作预测，并对少量不参与自适应的模型参数表现出稳健性。摘要未提供数据库名称、具体对照方法、预测时间窗、训练与测试划分或定量指标，因此目前无法判断改善幅度，也不能将其解释为已完成植入式临床验证。 复现重点：需核对数据的时间顺序、个体化更新所需信息及其可用时点、发作前窗口定义、误报与漏报的评价方式，以及不同患者的结果分布。还需确认离线与在线方法的评估条件是否一致，并验证模型增长后的运行成本。实验协议、消融及统计信息尚未验证；公开数据为后续比较提供了基础，但仅凭摘要尚不足以重建完整实现。

    阅读价值：值得阅读的具体原因是其将多特征发作预测转化为结构与参数递归更新的在线个体化方法，并在公开 iEEG 数据上与离线非自适应方法比较；实际预测协议与植入式部署可行性尚未验证。

  2. OpenReview · EEG72

    EEG 数据中的肌电伪迹去除：随机方法（ICA 和 CCA）与确定性方法（EMD 和小波方法）的比较

    基于摘要分析。该研究针对癫痫发作间期棘波 EEG 受到肌电伪迹污染的问题，比较 independent component analysis（ICA）、canonical correlation analysis（CCA）、empirical mode decomposition（EMD）和 wavelet transform（WT）的去噪能力，重点考察污染程度与棘波源配置如何影响方法选择。其主要研究对象是癫痫 EEG 去伪迹及源定位，并非 BCI 解码性能。 方法与评估：作者将 ICA、CCA 归为随机盲源分离方法，将 EMD、WT 归为确定性方法。实验模拟两种源配置下的癫痫棘波样 EEG，并叠加不同水平的真实 EEG 记录中的肌电活动。评估包括去噪信号与原始无伪迹信号之间的归一化均方误差，以及无伪迹、受污染和伪迹校正后信号的源定位结果比较；摘要还提到一名癫痫患者真实记录的测试。 结果：作者报告，在模拟与真实数据测试中，EMD 对严重肌电污染数据的去噪表现优于其他三种方法。按源配置进一步区分，单一皮层源且噪声较低时，CCA 和 ICA 的校正效果最好；两个不同源且噪声较高时，EMD 或 ICA 更可靠，噪声较低时则 WT 更好。这些条件性结果支持作者的结论：方法表现取决于污染程度和信号背后的源配置，不能脱离评估条件给出统一排名。摘要未提供具体误差数值或源定位改善幅度。 局限与复现条件：尚需核对模拟源与头模型、污染水平定义、各算法的参数及伪迹识别与去除规则、源定位方法，以及真实患者数据的参考标准。作者还讨论了数值复杂度，但具体计算成本尚未验证；实验协议、消融及统计信息尚未验证。对 BCI 预处理的可用性也需独立验证，不能将癫痫棘波保真与源定位改善直接等同于解码收益。

    阅读价值：该研究通过不同肌电污染程度和皮层源配置比较四类 EEG 去伪迹方法，并同时考察波形误差与源定位结果，值得用于核对去噪方法的适用条件，而非寻找统一最优算法。

12月31日周六
  1. OpenReview · EEG71

    一种检测头皮 EEG 中癫痫发作终止的算法

    基于摘要分析。研究针对头皮 EEG 中癫痫发作终止时刻的自动检测，提出终止检测方法，并将其与此前发表的发作起始检测器配对，用于自动估计发作持续时间。主要研究对象是癫痫发作事件的时间定位，而非 BCI 控制或意图解码。 作者报告，在一个公共数据库的 133 次癫痫发作上测试时，方法检测到了其中 132 次发作的结束；以脑电专家标记的终止时刻为参照，平均绝对误差为 10.3 ± 5.5 秒。摘要未说明“±”对应的统计量，也未明确该误差的统计样本范围，需查阅全文确认。作者另报告，将终止检测器与此前发表的起始检测器配对后，85% 的测试发作可在 15 秒误差范围内估计持续时间。终止时刻误差与持续时间估计误差属于不同评估对象，不能直接互换。 摘要未提供核心检测机制、特征、训练过程、数据库名称、被试人数或数据划分，无法判断其属于 Within-subject、Cross-subject 还是其他评估协议；实验协议、消融及统计信息尚未验证。复现时需核对终止事件的定义、专家标注方式、漏检事件的处理，以及起始与终止检测器组合的具体规则。 作者提出的潜在用途包括估计发作持续时间，以及辅助实施旨在缓解发作后期症状的治疗；摘要没有提供治疗效果或临床部署验证，不能将检测结果视为临床干预有效性的证据。

    阅读价值：值得阅读的具体原因是作者以脑电专家标注为参照评估了头皮 EEG 癫痫发作终止检测，并展示其与起始检测器组合估计发作持续时间的用途，但算法细节与验证协议尚待全文核对。

1月1日周六
  1. OpenReview · EEG72

    利用发作间期颅内 EEG 定位癫痫灶的图模型

    基于摘要分析。该研究针对能否利用非发作期、即发作间期 iEEG 定位致痫网络的问题，提出结合频谱与多变量统计的决策算法，以自动划定癫痫发作起始区域。研究主要面向癫痫灶定位，而非 BCI 控制或通信任务。 方法上，作者在决策理论框架内整合上述统计信息，并针对记录类型采用不同算法：深部记录使用标准二分类算法，包括线性与二次判别分析；表面记录使用作者提出的基于图模型的决策算法。摘要未说明图的节点、边及其统计含义，也未给出特征构建、参数估计或推断流程，因此尚不能判断图模型如何利用电极间关系完成定位。 数据方面，深部记录来自 5 名患者，表面记录来自 6 名患者。作者报告，两类记录的算法结果均与临床医生依据发作期 EEG 判定的癫痫灶具有较好一致性。摘要未提供定量指标、训练与测试划分或被试内、跨被试评估方式，不能据此量化定位性能或泛化能力；实验协议、消融及统计信息尚未验证。 作者提出，该方法不依赖发作期 EEG，长期可能缩短难治性癫痫患者的住院时间；这是潜在临床价值，而非摘要已验证的住院时长改善。复现时需从全文核对电极覆盖、发作间期片段选择、定位标签与临床参照的定义，以及不同记录类型的特征和决策流程。现有材料不足以将其进一步解释为已验证的 BCI 算法效果。

    阅读价值：值得阅读的具体原因是将发作间期 iEEG 的频谱与多变量统计用于癫痫灶定位，并分别考察深部与表面记录；其与临床发作期 EEG 判定的一致性仍需结合全文中的评估协议和定量结果核对。

12月31日周五
  1. OpenReview · EEG80

    用于长期癫痫发作检测系统的集成特征提取处理器的微功耗 EEG 采集 SoC

    基于摘要分析。该研究针对癫痫患者持续发作起始检测中的采集与无线传输功耗问题，提出集成 EEG 采集和特征提取的低功耗 SoC。其主要贡献是将部分信号处理移至采集端，以特征向量代替原始 EEG 向中央设备传输；研究对象是长期癫痫监测硬件系统，而非通用 BCI 解码算法。 每颗 SoC 对应一个 EEG 通道，摘要说明可根据患者情况佩戴最多 18 个通道，但这不是已报告的被试数或统一实验配置。芯片集成仪表放大器、ADC 和数字特征提取处理器，癫痫检测则由中央设备上的机器学习分类器完成。仪表放大器采用斩波稳定技术，在 1 V 工作电压下实现高输入阻抗并抑制较大的电极偏置；ADC 通过电源门控降低每次转换能耗，同时采用静态偏置保障比较器精度。特征提取硬件的参数通过患者数据验证确定，摘要未说明具体特征、分类器或验证划分。 作者报告，相较于传输 EEG 数据的方案，传感与本地处理的集成通过降低无线数据传输速率，使系统功耗降低 14 倍；具体对照实现及系统功耗核算范围尚未验证。作者报告特征向量输出速率为 0.5 Hz，完整单通道 SoC 由 1 V 电源供电。摘要中的每特征向量能耗写为“9 ¿ J”，单位字符存在异常，因此不能可靠还原为具体能量单位。 评估该方案时，需进一步核对特征提取内容、患者数据规模、被试内或跨被试协议、检测灵敏度、误报与延迟，以及通道数扩展后的总功耗。实验协议、消融及统计信息尚未验证；低功耗结果本身不构成癫痫检测准确性或临床有效性的证据。

    阅读价值：该研究值得阅读的具体原因是将 EEG 采集与本地特征提取集成到低功耗 SoC，并量化减少无线传输的系统功耗收益；其检测性能与功耗核算边界仍需全文核对。

1月1日周四
  1. OpenReview · EEG72

    网络化时钟的可观测性问题及其在癫痫中的应用

    基于摘要分析。本文以癫痫发作预测为背景，研究 EEG 测量能够提供哪些脑动力学状态信息，核心贡献是通过网络化摆钟模型分析同步性积累的可观测性，而非提出新的 EEG 分类或预测算法。 研究针对一种将脑组织视为耦合振荡器、将癫痫发作状态关联于全局同步的建模思路。摘要指出，此前基于 EEG 追踪同步性的尝试未能成功；作者使用网络化摆钟模型，考察能否从测量中获得足够信息来追踪同步性的形成。作者报告，在该模型的分析框架下，除非测量来自非常局部的脑组织区域，否则这一观测问题是不适定的。该结论针对同步性状态的可辨识与追踪条件，不应扩展为 EEG 无法预测癫痫发作，也不能据此认定全局同步足以解释所有发作机制。 阅读全文时需核对：摆钟网络与脑动力学的对应关系、测量算子的定义、“非常局部”的空间条件，以及不适定性的数学依据和适用假设。摘要未提供 EEG 数据来源、被试信息、实验划分、预测指标或临床验证结果；实验协议、消融及统计信息尚未验证。因此，目前可确认的价值是对观测条件与模型假设的理论审视，而非已证实的临床预测性能。

    阅读价值：值得阅读之处在于从可观测性角度审视 EEG 能否支持同步性追踪，为癫痫发作预测中的状态估计提出测量条件限制；该限制在实际 EEG 数据中的适用范围尚未验证。

1月1日周一
  1. OpenReview · EEG71

    局灶性癫痫发作间期 fMRI 的独立成分分析：与基于广义线性模型的 EEG 相关 fMRI 分析比较

    基于摘要分析。本研究针对局灶性癫痫同步 EEG–fMRI 分析依赖头皮 EEG 可见发作间期癫痫样放电（IED）的问题，比较数据驱动的空间独立成分分析（ICA）与 EEG 驱动的广义线性模型（GLM），评估 ICA 是否能够提取与 IED 相关的 BOLD 活动。这是癫痫相关脑功能成像研究，并非 BCI 解码方法研究。 传统 GLM 使用头皮 EEG 上识别的 IED 构建分析模型；当 EEG 未显现 IED 时，该策略难以发挥作用。作者对八名局灶性癫痫患者的 fMRI 数据应用空间 ICA，将提取的独立成分自动分类为 BOLD 相关成分、运动伪影、EPI 磁敏感伪影、大血管成分及高空间或时间频率噪声，再依据时空标准评估 ICA 与 EEG 驱动 GLM 结果的一致性。摘要未提供分类器具体实现及一致性判据。 作者报告，在上述八名患者的分析中，自动分类使候选独立成分数量减少 78%，平均保留 16 个 BOLD 相关成分；每名患者均有一个独立成分满足与 IED 驱动 GLM 结果相对应的时空标准。这支持 ICA 能够提取与已知 IED 相关 BOLD 模式一致的成分，但不等同于对 EEG 不可见癫痫活动的独立验证。 作者认为，其余成分与自发脑活动的 BOLD 模式相符，并可能包含头皮 EEG 未显现的癫痫活动；这一解释仍需独立证据确认。摘要未给出额外成分的临床参照验证、定位准确性或假阳性指标。实验协议、消融及统计信息尚未验证，复现还需核对 fMRI 预处理、ICA 配置、自动分类规则及 GLM 建模细节。当前材料不支持将该结果直接推断为 EEG/BCI 性能提升。

    阅读价值：值得阅读其空间 ICA 成分筛选与 EEG 驱动 GLM 的时空一致性验证思路，但摘要不足以确认额外成分能否识别头皮 EEG 未显现的癫痫活动。

1月1日周六
  1. OpenReview · EEG76

    非平稳信号相互依赖性的时频表征：在癫痫 EEG 中的应用

    基于摘要分析。本文研究非平稳信号之间的线性相互依赖关系如何随时间与频率变化，提出基于窄带滤波信号互相关的估计方法，并在仿真及癫痫相关脑内 EEG 数据中考察其表现。主要贡献是将关联估计置于时频框架下，并分析信号间时延先验对估计性能的影响，而非提出 BCI 解码算法。 核心机制是对窄带滤波后的信号计算互相关，以表征非平稳信号之间的线性关系；对照方法是基于相干函数的经典估计器。摘要未提供滤波带宽、时间窗、时延处理方式及估计公式，这些实现条件尚未验证。 作者报告，在仿真框架中，当信号间时延的先验知识可用时，所提估计器可能在偏差、方差或均方误差方面优于相干函数估计器；摘要未给出仿真参数、数值结果或优势范围。作者报告，在真实脑内 EEG 数据上，该方法可能提高关联时频表示的可读性，帮助解释非平稳相互依赖关系。这一结果不等同于已验证的诊断准确率或 BCI 性能提升。作者还通过与不区分频率的线性及非线性方法比较，说明同时表征时间和频率维度的重要性。 阅读与复现时应重点核对时延先验的来源、估计器对时延误差的敏感性、时频分辨率及对照方法的参数设置。被试数量、记录条件、数据划分、实验协议、消融及统计信息尚未验证。摘要中的信号关联用于表征功能耦合，但不能据此推断因果连接。

    阅读价值：值得阅读的具体原因是，研究直接比较窄带互相关与相干函数估计，并指出信号间时延先验可能影响非平稳 EEG 关联估计的偏差、方差及均方误差，但其优势的适用条件仍需全文核对。

1月1日周三
  1. OpenReview · EEG73

    用于时间序列处理的递归自组织映射

    基于摘要分析。本文研究如何使自组织映射利用时间序列中的历史信息，提出 recurrent self-organizing map（RSOM），用于学习和区分时间序列，并探索其在基于 EEG 的癫痫活动检测中的应用。 核心机制是利用当前模式的历史，即序列中的先前元素，计算最佳匹配单元并调整映射权重。相较于 Kohonen 原始 SOM，RSOM 为每个单元关联一个递归微分方程，以将时间信息纳入映射过程。摘要未给出方程形式、历史信息的保留方式或具体训练与推理流程，这些细节尚未验证。 作者报告，实验表明 RSOM 能够学习并区分时间序列，且可改善基于 EEG 的癫痫活动检测。摘要未提供数据集、被试数、数据划分、对照方法、评价指标或效果数值，因此无法判断改善幅度及其在被试内、跨被试或跨会话条件下的适用性；实验协议、消融及统计信息尚未验证。 该论文包含直接的 EEG 应用，但癫痫活动检测不等同于 BCI 控制任务，其结果不能直接视为 BCI 解码有效性的证据。复现需从全文核对递归方程、权重更新规则、序列构建与 EEG 预处理、检测判定方式及评估协议。

    阅读价值：值得阅读的具体原因是 RSOM 将序列历史纳入最佳匹配单元选择与权重更新，并由作者报告其可改善基于 EEG 的癫痫活动检测，但效果大小与评估协议尚未验证。