一种基于相幅耦合网络的致痫区定位及潜在致痫区预测方法技术

一种基于相幅耦合网络的致痫区定位及潜在致痫区预测方法，其步骤如下：一、对癫痫患者ECoG数据进行预处理；二、通过CFC分析，计算LFOs和HFOs之间的MI；三、对MI进行显著性检验，建立ECoG网络；四、根据网络特征，发现高风险位点，找到局域性致痫区以及潜在致痫区；通过以上步骤，本发明专利技术从系统的角度寻找局域致痫区和潜在致痫区，并且考虑到患者的个体差异以及基础脑功能网络的影响，针对神经元异常振荡建立癫痫故障网络，提出一种基于相幅耦合网络的局域致痫区定位及潜在致痫区预测方法；本发明专利技术具有系统性、鲁棒性和预警性，其研究结果将对致痫区定位及潜在致痫区预测提供强有力的方法支承。

A method for locating epileptogenic areas and predicting potential epileptogenic areas based on phase-amplitude coupled network

A method for locating epileptogenic areas and predicting potential epileptogenic areas based on phase-amplitude coupled network is presented. The steps are as follows: 1. Preprocessing ECoG data of epileptic patients; 2. Calculating MI between LFOs and HFOs by CFC analysis; 3. Testing the significance of MI to establish ECoG network; 4. Finding high-risk sites and finding local epileptogenic areas and potential causes according to network characteristics. Through the above steps, the present invention searches for local epileptic areas and potential epileptic areas from a systematic point of view, considers the individual differences of patients and the influence of basic brain functional network, establishes epileptic fault network for abnormal neuron oscillation, and proposes a method for localization of local epileptic areas and prediction of potential epileptic areas based on phase-amplitude coupling network. Robustness and early warning, the results of the study will provide a strong methodological support for the location of epileptogenic areas and the prediction of potential epileptogenic areas.

【技术实现步骤摘要】
一种基于相幅耦合网络的致痫区定位及潜在致痫区预测方法
本专利技术提供一种基于相幅耦合网络的致痫区定位及潜在致痫区预测方法，它涉及一种基于皮层神经元异常振荡(被视为脑功能中的故障)下相幅耦合网络的致痫区定位及潜在致痫区预测方法，是复杂网络理论与生物医学的交叉

技术介绍
癫痫是一种多样化的慢性神经系统疾病，以癫痫发作为特征，全世界约有1％的人患有癫痫，是全球神经系统疾病负担的第三大主要因素，影响全球6500万人。癫痫疾病患者通常通过适当的药物控制，但大约30％的癫痫患者即使使用最好的药物癫痫发作也没有得到很好的控制。对癫痫进行治疗的另外一种有效的手段是确定致痫区，并进行手术切术，此技术的关键是准确确定致痫区，并进行手术切除。若病灶区切除不全，患者术后会继发癫痫，但若切除过多，则会引起患者其他脑区功能缺失，甚至导致严重的神经功能障碍。因此，如何精确定位癫痫病灶区是手术治疗癫痫发作的关键。但是目前还没有一种成熟的技术及方法能够准确定位致痫区。除此之外，在癫痫外科病例中，切除致痫区与癫痫术后效果的关系并不那么简单：最近一项大宗研究显示，22％的癫痫患者切除了发作起始区本以为手术效果会非常好，事实上仍然有单纯部分性发作；31％的患者有复杂的复发情况。术后复发的患者，其致痫区发生了改变；更有一部分患者的临床表现与脑电图和影像学检查结果不一致。这表明，癫痫患者大脑中并不是单个局域病灶区域引起发作，而是存在复杂的网络，这个网络的动力学特点在许多癫痫外科中是改变的。因此，当前亟需一种科学可靠的技术方法准确确定致痫区，以及进行潜在致痫区的预测。人类大脑皮层是由大约1011个神经元通过1015个连接所组成，从而形成一个复杂的网络。大脑皮层具有大量相互连接并且相互作用的神经元，各个神经元的活动都是相互关联的。癫痫患者脑中神经元的异常放电会引起大脑皮层神经振荡的特异性。一些频带中的低频和高频振荡被公认为是导致癫痫发作和癫痫开始发作区域的重要生物标志。Imamura等人和Kanazawa等人分别在2011年和2015年发现并证实发作性低频率振荡(LFOs)和发作性高频率振荡(HFOs)是引发癫痫发作的核心原因，LFOs和HFOs被认为是癫痫发作潜在的生物标志。不同频带之间的神经振荡被称为交叉频率耦合(Cross-frequencycoupling，CFC)，CFC在研究神经网络的通信和连通机制等方面具有重要的作用。相幅耦合(Phase-amplitudecoupling，PAC)是CFC的其中一种表现形式，这种形式的具体机理是LFOs的相位调制HFOs的振幅，因其自身的特点，PAC已经成为当前致痫区定位研究的热点。2014年Ibrahim等人发现与具有局部性癫痫患者的非癫痫区相比，病理性高频振荡的幅度与和节律的相位之间的CFC在癫痫开始发作区明显升高；此外，Guirgis等人在2015年运用调制指数(MI)和特征分解的方法证明调制的高频振荡能够为颞叶外癫痫患者提供更准确的致痫区定位。然而，这些方法仅仅适用于定位局域性致痫区，忽略了病灶区域之间的相互影响，丢失了部分潜在致痫区，造成癫痫手术术后复发的情况。现代网络科学揭示了正常大脑网络的基本特征，例如小世界(smallworld)模式、无标度(scalefree)模式、等级模块度(hierarchicalmodularity)、中心节点性(Hubs)和富人俱乐部(Richclubs)等特征，接下来的挑战是如何利用这些知识来更好地研究分析脑部疾病和对其进行诊断、治疗及预测。运用复杂网络的相关理论知识对脑网络进行研究分析，为癫痫发作的诊断、治疗和预测提供了可能。由于磁共振成像(MagneticResonanceImaging，MRI)、功能性磁共振成像(functionalmagneticresonanceimaging，fMRI)等技术的快速发展，癫痫网络研究的重点一直放在功能网络上。一些研究表明，与健康受试者相比，在癫痫患者发作间期，基于脑电图(EEG)或脑磁图(MEG)构建的功能性脑网络呈现出异常的规则化现象。尽管基于功能网络对癫痫的研究获得了一定的进展，然而这些进展在临床上的应用还是困难重重。一方面，人的脑功能网络和结构网络具有高度的个性化，一些研究人员在癫痫群组研究得到的结论在临床上往往不能取得良好的效果；另一方面，神经元的异常放电受到异常复杂但高度组织化的基础神经架构的拓扑结构的制约，这使得癫痫病灶的特异性可能淹没在结构网络外化的基础功能网络之中。此外，脑功能网络与结构网络的映射关系尚不明确，功能网络的异常点可能并没有生理病理异常。因此，基于功能网络的致痫区定位往往不够准确。综上所述，尽管已有的致痫区定位方法对于治疗情况简单的癫痫患者有一定的效果，但这些致痫区定位方法没有考虑神经元之间天然的联系，忽略了病灶区域之间的相互影响。而基于功能网络的致痫区定位不能滤除脑网络的基础功能，并不针对脑网络的故障，因此我们需要建立一种基于异常振荡网络，也就是癫痫故障网络的致痫区定位及潜在致痫区预测方法。本专利技术从癫痫患者的真实皮层脑电(ECoG)中获取数据，ECoG数据共有M个通道，对每个通道的ECoG时间序列X(t)进行滤波，得到低频信号XL(t)和高频信号XH(t)。进行希尔伯特变换，得到XL(t)的相角和XH(t)的幅值AH(t)。在时间片段k，计算当前下的幅值调制分布基于KL距离，由Mk(j)和均匀分布计算的调制指数MI，每个通道包含低频信号Xm，L(t)和高频信号Xm，H(t),m＝1,2,…,M.将Xm，L(t)和Xm，H(t)看作节点，共2M个节点。将和Am2，H(t)之间的调制指数MIm1，m2看作边权，m1＝1,2,…,M,m2＝1,2,…,M.根据网络特征，对不同位点进行风险排序，找到局域性致痫区。利用先验知识，结合网络特征，进行潜在致痫区预测。
技术实现思路
(一)专利技术的目的本专利技术的目的是：针对致痫区定位及潜在致痫区预测问题，为弥补现有局域性致痫区定位标志物的不足，从系统的角度提出一种基于相幅耦合网络的局域致痫区定位及潜在致痫区预测方法，它是一种基于脑电网络的致痫区定位及潜在致痫区预测方法，可以有效的定位局域性致痫区以及潜在致痫区。本专利技术的理论基础：发作性LFOs和发作性HFOs是引发癫痫发作的核心原因，HFOs的幅度与和LFOs的相位之间的CFC在癫痫开始发作区明显升高。癫痫患者大脑中并不是单个局域病灶区域引起发作，而是存在复杂的网络。研究不同病灶之间的联系，建立癫痫故障网络可以揭示局域性致痫区之外的潜在致痫区。(二)技术方案本专利技术的技术解决方案：一种基于相幅耦合网络的致痫区定位及潜在致痫区预测方法。本专利技术首先从癫痫患者ECoG记录中获取数据，利用滤波器将基线干扰和工频噪声(50赫兹)及谐波噪声滤去，完成数据预处理；对ECoG时间序列进行滤波，得到低频信号和高频信号，通过对低频信号的相位和高频信号幅值进行CFC分析，计算LFOs和HFOs之间的MI；对MI进行显著性检验，建立ECoG网络；根据网络特征，对不同位点进行风险排序，找到局域性致痫区；利用先验知识，结合网络特征，进行潜在致痫区预测。本专利技术一种基于相幅耦合网络的致痫区定位及潜在致痫区预测方法，其步本文档来自技高网...

【技术保护点】
1.一种基于相幅耦合网络的致痫区定位及潜在致痫区预测方法，其特征在于：其步骤如下：步骤一、对癫痫患者ECoG数据进行预处理；采集癫痫患者发作间期的ECoG，ECoG数据格式为EDF+，其通道数目为M即对应患者脑上M个位点，采样频率为fs；使用0.2HZ的高通滤波器滤掉基线干扰，使用notch滤波器去除工频噪声和谐波噪声；步骤二、通过CFC分析，计算LFOs和HFOs之间的MI；对ECoG时间序列X(t)进行滤波，得到低频信号XL(t)和高频信号XH(t)；分别对XL(t)和XH(t)进行希尔伯特变换，得到XL(t)的相角

【技术特征摘要】
1.一种基于相幅耦合网络的致痫区定位及潜在致痫区预测方法，其特征在于：其步骤如下：步骤一、对癫痫患者ECoG数据进行预处理；采集癫痫患者发作间期的ECoG，ECoG数据格式为EDF+，其通道数目为M即对应患者脑上M个位点，采样频率为fs；使用0.2HZ的高通滤波器滤掉基线干扰，使用notch滤波器去除工频噪声和谐波噪声；步骤二、通过CFC分析，计算LFOs和HFOs之间的MI；对ECoG时间序列X(t)进行滤波，得到低频信号XL(t)和高频信号XH(t)；分别对XL(t)和XH(t)进行希尔伯特变换，得到XL(t)的相角和XH(t)的幅值AH(t)；将和AH(t)分割成10秒的片段，共K个片段，得到和将相角范围[-π，+π]分割成18等份，每个小区间的长度为π/9，共N个区间，N＝18.在每个片段k，根据当前的的大小，将其划分到某个区间j中,j＝1,2,…,N；记为同时将其对应的记为由此得到每个相区间j对应的平均幅值得到归一化的幅值调制分布计算幅值调制分布与均匀分布U(j)的Kullback-Leibler距离即KL散度，作为XL(t)和XH(t)的调制指数MI，其中步骤三、对MI进行显著性检验，建立ECoG网络；ECoG共M个通道，每个通道包含低频信号Xm，L(t)和高频信号Xm，H(t),m＝1,2,…,M.将Xm，L(t)和Xm，H(t)看作节点，共2M个节点；将和Am2，H(...

【专利技术属性】
技术研发人员：郭澍，李大庆，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11