统计分析揭示了癫痫发作的形态

通过对脑电图记录的统计分析得出的金字塔形图可以提高我们对癫痫发作的理解。

统计方法从当前的测量方法中挤出更详细的信息脑信号在癫痫发作他对这些信号是如何产生和传播的提出了新的见解。

目视检查癫痫患者发作前和发作期间的脑电图记录是一种比较有效的检测癫痫部位的方法脑这可以从外科治疗中受益。但对于更具挑战性的情况来说，这不足以。

现在，由KAUST生物统计学家Hernando Ombao和威斯康星大学麦迪逊分校的王源以及加州大学欧文分校的Moo K. Chung开发的一种方法，更深入地挖掘脑电图的特征，并能检测出异常大脑区域甚至在癫痫发作之前。

据钟和王称，该方法可以提供临床上有用的癫痫发作局部工具。

该方法通过研究数据的形状表示及其相互作用来源于分析大型和复杂数据集的数学领域。分析这些形状提供有关数据中存在的模式的信息。该团队应用了他们的方法，称为拓扑数据分析框架，看看他们可以从癫痫发作前和癫痫发作前和期间的脑电图记录中学到什么。

统计方法去除脑电记录中的噪声，提供更清晰的信号。然后画出一系列与录音中的信号直接相关的形状。最后的金字塔形状(持续性景观)代表了放置在头皮上的每个电极发出的信号，提供了癫痫在大脑中的起始位置和如何传播的很好的图像。

对患者的EEG记录的分析表明，癫痫发作来自来自脑部左颞叶的电极测量信号中的电极或周围的区域。然后蔓延到右颞叶。

进一步的仿真研究表明，即使信号埋在噪声下，测试也是坚固且敏感的。

“脱骨所应该通过添加这样一个的方法来增强他们的数据分析的工具箱，这些方法捕获拓扑特征作为他们评估的一部分癫痫发作焦点在更具挑战性的癫痫病例中，“Immao说。

该团队下一步计划在大量脑电图记录样本上测试他们的框架，以临床验证他们的发现。Ombao也在发展统计方法研究电击对大脑的影响，如癫痫或中风，对大脑区域和神经细胞群之间的通信网络的影响。

---

---