癫痫发作预测的新途径

以脑电（EEG）信号分析为主要途径的癫痫发作预测研究是近些年来生物医学信号处理领域的难点和热点，至今仍没有有效的临床预测算法，一个重要原因可能在于EEG信号本身。本项目拟深入分析MacroElectrode(MaE) iEEG和MicroElectrode(MiE) iEEG两类脑电信号，探索癫痫发作预测的新途径。首先提出实时非迭代参考信号辨识算法，去除原始MaE iEEG中的参考信号，得到更真实反映神经细胞活动信息的校正信号，并通过分析其能量指标、相位同步及相关性来提高预测的准确性和特异性。在对MiE iEEG优越性分析的基础上，提出"癫痫病变有一个从小范围到大范围的量变过程"的假设，并据此提出全新的基于MiE iEEG分析的癫痫发病早期诊断方法，为癫痫的预测和控制开辟新的途径。本项目研究结果将极大改善现有的预测方法，有利于其在临床上的推广应用，最终达到改善癫痫病人生活质量的目的。

针对EEG信号中参考信号的辨识与去除这一多年来国际公开的技术难题，给出了头皮脑电信号中参考信号自动辨识的算法，彻底解决了参考信号这一技术难题，详细分析了所得的参考信号比广为使用的平均参考信号更接近于真实参考信号。针对近些年来生物医学信号处理领域癫痫致痫区定位这一难点和热点，得出了癫痫区与正常区域、癫痫病人与对照组病人相位同步性不一样的结论。针对近些年来生物医学信号处理领域癫痫发作预测这一难点和热点，指出了颅内微电极脑电信号比颅内宏电极脑电信号更精细，更接近于神经元，更能反应神经元的变化情况，分析了颅内EEG信号高频震荡特性，证实了颅内微EEG信号比颅内宏EEG信号具有更高的灵敏性，讨论了颅内微电极脑电信号通道之间的相关性和相位同步性，发现了其相关性和相位同步性在癫痫发作之前有递增的趋势，该结论是与颅内宏电极脑电信号和头皮脑电信号一个公认的结果相反的，即颅内宏电极脑电信号通道之间的相关性和相位同步性在癫痫发作之前有递减的趋势，从而探讨了癫痫发作预测的新途径，为临床诊断提供了新依据。