Behavioral state classification in epileptic brain using intracranial electrophysiology - Publikacja - MOST Wiedzy

Wyszukiwarka

Behavioral state classification in epileptic brain using intracranial electrophysiology

Abstrakt

OBJECTIVE: Automated behavioral state classification can benefit next generation implantable epilepsy devices. In this study we explored the feasibility of automated awake (AW) and slow wave sleep (SWS) classification using wide bandwidth intracranial EEG (iEEG) in patients undergoing evaluation for epilepsy surgery. APPROACH: Data from seven patients (age [Formula: see text], 4 women) who underwent intracranial depth electrode implantation for iEEG monitoring were included. Spectral power features (0.1-600 Hz) spanning several frequency bands from a single electrode were used to train and test a support vector machine classifier. MAIN RESULTS: Classification accuracy of 97.8  ±  0.3% (normal tissue) and 89.4  ±  0.8% (epileptic tissue) across seven subjects using multiple spectral power features from a single electrode was achieved. Spectral power features from electrodes placed in normal temporal neocortex were found to be more useful (accuracy 90.8  ±  0.8%) for sleep-wake state classification than electrodes located in normal hippocampus (87.1  ±  1.6%). Spectral power in high frequency band features (Ripple (80-250 Hz), Fast Ripple (250-600 Hz)) showed comparable performance for AW and SWS classification as the best performing Berger bands (Alpha, Beta, low Gamma) with accuracy  ⩾90% using a single electrode contact and single spectral feature. SIGNIFICANCE: Automated classification of wake and SWS should prove useful for future implantable epilepsy devices with limited computational power, memory, and number of electrodes. Applications include quantifying patient sleep patterns and behavioral state dependent detection, prediction, and electrical stimulation therapies.

Cytowania

  • 1 2

    CrossRef

  • 1 2

    Web of Science

  • 1 2

    Scopus

Autorzy (10)

  • Zdjęcie użytkownika  Vaclav Kremen

    Vaclav Kremen

    • Mayo Clinic Department of Neurology
  • Zdjęcie użytkownika  Juliano J. Duque

    Juliano J. Duque

    • Mayo Clinic Department of Neurology
  • Zdjęcie użytkownika  Benjamin Brinkmann

    Benjamin Brinkmann

    • Mayo Clinic Department of Neurology
  • Zdjęcie użytkownika  Brent M. Berry

    Brent M. Berry

    • Mayo Clinic Department of Neurology
  • Zdjęcie użytkownika dr Michał Tomasz Kucewicz

    Michał Tomasz Kucewicz dr

    • Mayo Clinic Department of Neurology
  • Zdjęcie użytkownika  Fatemeh Khadjevand

    Fatemeh Khadjevand

    • Mayo Clinic Department of Neurology
  • Zdjęcie użytkownika  Jamie Van Gompel

    Jamie Van Gompel

    • Mayo Clinic Department of Neurology
  • Zdjęcie użytkownika  Matt Stead

    Matt Stead

    • Mayo Clinic Department of Neurology
  • Zdjęcie użytkownika  Erik K. St.louis

    Erik K. St.louis

    • Mayo Clinic Department of Neurology
  • Zdjęcie użytkownika  Gregory A. Worrell

    Gregory A. Worrell

    • Mayo Clinic Department of Neurology

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

Informacje szczegółowe

Kategoria:
Publikacja w czasopiśmie
Typ:
artykuł w czasopiśmie wyróżnionym w JCR
Opublikowano w:
Journal of Neural Engineering nr 14, wydanie 2, strony 1 - 9,
ISSN: 1741-2560
Język:
angielski
Rok wydania:
2017
Opis bibliograficzny:
Kremen V., Duque J., Brinkmann B., Berry B., Kucewicz M., Khadjevand F., Van Gompel J., Stead M., St.Louis E., Worrell G.: Behavioral state classification in epileptic brain using intracranial electrophysiology// Journal of Neural Engineering. -Vol. 14, iss. 2 (2017), s.1-9
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1088/1741-2552/aa5688
Weryfikacja:
Politechnika Gdańska

wyświetlono 15 razy

Publikacje, które mogą cię zainteresować

Meta Tagi