文摘

本研究采用脑电图(EEG)图像分析神经癫痫持续状态(SE)和不良预后因素的儿童使用复数域分析算法,针对儿童的临床治疗提供了理论依据和SE。采用24小时脑电图诊断197 SE的孩子。患者分为实验组(100例)和对照组(97例)使用一个随机数字表法。实验组的儿童脑电图使用复合域分析算法进行了分析,诊断和对照组由专业医生。儿童的指标在两组比较分析化合物的影响域分析算法通过脑电图诊断疾病。197名儿童的预后评分得分一个月后他们诊断,治疗,出院,不良预后因素进行了分析。因此,脑电图可以准确、有效地分析孩子的脑部疾病。复数域分析算法的敏感性和特异性的检测癫痫脑电图远高于脑电图的自动检测算法基于时域波形相似性和脑电图的自动检测算法基于卷积神经网络(CNN)和平均运行时间是相反的,表现出明显的差异( )。平均精度、灵敏度和特异性的实验组的儿童是96.11%,97.10%,和95.19%,分别;对照组分别为88.83%,90.14%,和87.82%,分别有一个明显的差异在两组之间的准确性( )。有57例有良好的预后和140例预后较差;有70男性有良好的预后和19个糟糕的预测和69名女性有良好的预后和19个可怜的预测。在121感染患者,84例预后良好,37例预后不良;39例不规则治疗的31例预后良好,预后不良8例;和37例没有明显的原因,包括25例有良好的预后和12例预后较差。简而言之,脑电图诊断和治疗效果的复合域分析算法比专业的医生;病人的性别没有不良预后的影响,及致病因素影响了病人的预后不良。

1。介绍

儿童癫痫的神经,没有性别特异性,会头痛和眩晕发作的早期阶段(1),将伴随着麻木、恐慌,和恐惧。此外,口吐白沫,抽搐,出现眼睛,尿失禁,混乱,不清楚讲话,和其它症状发生在攻击(2]。癫痫儿童的神经系统疾病是大脑神经元的损伤,导致异常放电,导致疾病的攻击。癫痫持续状态(SE)是一种常见的重要的神经学疾病和最严重形式的癫痫(3),年度发病率在10000年[1 10000年和4之间4]。这意味着癫痫之间不完全恢复意识,经常反复连续集(5),或发作持续超过30分钟,不停止自发。如果不治疗很长时间,它可能导致细胞代谢紊乱,能源供应失败,和大脑神经元死亡(6),可引起不可逆的损害器官由于高烧或神经excitotoxic损害(7),导致残疾和死亡率的大幅度增加。各种各样的癫痫发作会导致SE的发生。发病期间,孩子们通常有部分意识障碍和运动功能。孩子更严重的疾病(8)有更大的机会脑水肿和颅内压增高。根据存在或缺乏强有力的骨骼肌萎缩发病期间,它分为剧烈SE (CSE)和nonconvulsive SE (NCSE) [9]。

到目前为止,在癫痫的辅助诊断方法,脑电图检查是最重要的,有价值的和方便的方法(10- - - - - -12]。一般来说,大约80%的癫痫患者在间歇期脑电图异常,而只有5% -20%的癫痫患者可以正常的间歇期,可以诊断为癫痫(13,14]。脑电活动的基本节奏是由α波每秒8到13周,每个神经细胞进行有节奏的自发放电活动(符合神经细胞膜)的周期性的去极化,但其频率很低,相当恒定(10 - 20周期/秒)15]。因此,神经细胞的总排放是分散的,和放电时间越分散越低振幅总排放的形状,和持续时间越长16]。虽然CT和磁共振成像检查还可以帮助确定癫痫病灶,一些癫痫病灶没有形态变化仍然需要脑电图来提高定位的准确性(12]。

自当前癫痫EEG检测模型图像仍然是基于单一算法领域,采矿和特征有效的病理信息的程度不高,和分析效果难以满足临床应用的要求。此外,仍有问题算法稳定,适应性和泛化(17]。在这种情况下,它显得尤为迫切和必要,寻求一种有效、可靠的方法,分析癫痫EEG信号。目标检测方法基于复合域可以集成多个域的优点,提高检测的精度,抑制杂乱的背景。适用于凸目标图像的检测等自然景观、生物医药、建筑、和运输(18]。在这项研究中,复数域分析EEG智能识别的算法采用诊断的SE在这项研究中,NCSE,探索复杂的影响域分析算法NCSE的临床诊断。NCSE诊断和治疗一个月后,格拉斯哥预后评分进行其预后和不良预后的因素进行了分析,以便为临床诊断和治疗提供理论指导的神经癫痫儿童更高的质量和效率。

2。材料和方法

2.1。研究对象和他们的分组

197名儿童被诊断为SE在医院从2017年9月到2020年9月被选为研究对象,其中93为儿童NCSE和其余CSE。他们都与脑电图监测执行的。14岁以下的孩子们,一岁以上。其中,有99男性儿童和98名女性的孩子。孩子不配合后期被排除在外。24小时脑电图记录了197名儿童,他们被分为实验组(100例)和对照组(97例)通过随机数字表法。实验组的脑电图结果被复杂的域分析算法,智能诊断和对照组由专业医生诊断。一个月对所有出院的孩子长期随访记录良好,预后不良,观察相关不利因素,并执行预后评分。和预后良好的不利因素进行了分析。研究经医院伦理委员会批准,和孩子们和他们的家人做了全面了解整个研究过程,并签署了知情同意表格。

入选标准定义如下:1∼14岁的年龄段的儿童,儿童的诊断符合诊断标准提出的SE国际Antiepilepsy联盟,和儿童的家庭同意医生进行后续治疗癫痫。

排除标准定义如下:儿童颅脑疾病和系统性疾病,孩子不能接受持续治疗,和孩子不完整的临床数据和病历信息。

2.2。癫痫放电的机理

癫痫发作可引起脑电图的变化,因此研究振幅,癫痫EEG信号的波形和频率可以有效地帮助临床上癫痫的自动检测。EEG信号的特点在癫痫持续状态如图出院1。

高峰是一个短波20∼80毫秒的时间限制,它显示了一个垂直下降或上升的幅度100∼200μ诉负峰的极性是向上,和积极的极性飙升是向下的。一把锋利的慢波表示为一把锋利的波持续时间80∼120 ms,后跟一个慢波持续时间500∼1000 ms。锋利的波是一个病态的波时限80∼300 ns,女士,形状像一个三角形,上升缓慢。波的振幅通常超过200μ诉峰值节律障碍表现为棘波,多次波,或多个峰值和慢复合波;也就是说,慢波有一个混乱的波形在时间和地点,以及波的振幅是1000μ诉Spike-slow波,主要是慢波,波是一个巧合棘波和慢波组成。穗波都是负相波的慢波分支。带刺的慢波是指一个或多个连续的组合波后跟一个慢波,在肌阵挛癫痫更常见。阵发性节律波是指一个高振幅的节奏突然出现在最初的脑电图,然后突然消失一个突发性的节奏。epilepsy-like放电的发电机系统是图所示2。

2.3。脑电图和脑电描记器

人体组织细胞将不断自发产生微弱的生物电活动,产生脉冲电流。神经细胞发出的脉冲同步的潜在差异组织不同部位的大脑皮层。它可以通过脑电图技术放大了一百万倍。电极安装在头皮上画出细胞的电活动和放大的脑电图仪获得一定的波形,幅值、频率和相位图和曲线,脑电图。脑电图是一条曲线与脑细胞的电势纵轴与水平轴和时间。神经元刺激时,细胞膜破坏,平衡的高度去极化的,产生动作电位,和下一阶段的平衡细胞膜被摧毁。这个重复的恢复过程和破坏细胞膜构成单向传输神经元的动作电位和神经细胞膜,产生脑电信号振幅从10到100μ诉脑电图仪是一种乐器,拿起极其微弱的脑电图信号放大和跟踪记录,及其基本原理框图如图3。

脑电波方法记录大脑活动的电生理指标,它是由突触后电位之和与神经元在大脑活动发生在同步。来自顶部的树突突触后电位的锥体细胞的自发和有节奏的神经电活动1∼30赫兹的频率范围。它可以分为四个波段,δ(δ)波,θ(θ)波,α(α)波,和β(β)波。图4显示了δ波1∼3赫兹的频率和振幅的20∼200 pV。一般来说,这种波可以记录在顶叶当人们在婴儿期或不成熟的智力发展,和成人在极度疲劳,嗜睡或麻醉。

鉴于,如图5,θ波显示4∼7赫兹的频率和振幅5∼20μ诉这波非常突出的是失望或沮丧的成年人和儿童精神疾病。但这波脑电图的青少年中是主要的组件(- 17岁)。

如图6,这是一个α波8∼13赫兹的频率(平均10 Hz)和20∼100紫外线的振幅。这是正常脑电波的基本节奏。如果没有外部刺激,频率相当恒定。节奏是最明显的,当人们醒着还是沉默,当他们闭上他们的眼睛;当他们打开他们的眼睛,接受光刺激,或受到其他刺激,海浪立即消失。

鉴于,如图7,这是一个β波14∼30赫兹的频率和振幅的100∼150μ诉这波出现当一个人紧张,情绪激动。当一个人从噩梦中醒来,原来的慢波节律可以立即被这个节奏。

2.4。复数域分析算法

目前,传统算法的适应性不同分类任务仍然薄弱,有必要考虑建设和自适应自动检测算法。因此,分数傅里叶变换(FrFT)结合小波包变换(WPT)在这项研究中提出一种复合域分析算法。

傅里叶变换(FT)是一个非常常用的频域分析方法,可以清楚地得到整个信号的频率分布,但它不能显示特定频率出现的时候。这对于处理非平稳的信号缺陷有一定的缺点,所以它的高级模式FrFT通常使用的算法。FrFT可以揭示信号的时间和频率成分混合的同时有效地捕捉当地的小变化。它的方程可以表示如下:

在这里,f代表FrFT的顺序, 代表函数之和,θ指旋转的角度b任何整数。小波变换是一种数学方法来解决分解的非平稳信号。与英国《金融时报》使用一组无限长三角函数依据信号拟合,小波变换使用一组正交的小波函数和快速衰减信号拟合的基地。这种小波函数的基础上可以获得不同的频率和时间位置通过其规模变量和翻译变量。从信号处理的角度看,小波变换的信号可以分解为高频和低频分量信号通过一个滤波器组成一个二叉树结构(图8)。

因此,FrFT和WPT结合域分析,然后模糊熵的信号特征提取和分类可以构造成一个复合域分析算法。具体过程如图9。

NCSE被认为是积极和CSE是负面的。真阳性(TP)表明,预测结果是真实和实际的是真的;假阳性(FP)称,预计值是真实和实际是假的;假阴性(FN)意味着预计值实际是假的,是真的;和真正的负面(TN)意味着预测值和实际都是负面的。在这项研究中,精度是用于指示正确的比例预测,和具体计算方法是显示在第一个方程。检测的概率灵敏度表示积极的情况下,这可能与后第二个方程计算。特异性是指负面案例被发现的概率,计算表达式的第三所示如下方程:

2.5。评价治疗和疗效

格拉斯哥预后评分覆盖五个级别:一级:患者死亡;2级:患者处于植物人状态;3级:病人患有严重的后遗症,不得不生活在他人的帮助下;四级:病人患有中度后遗症,和他们的日常生活和社会活动几乎可以自行维护;5级:患者基本健康和能正常学习和生活,但还可能出现一些小的后遗症。5级是预后良好,和所有其他的水平是预后不良。

NCSE诊断标准有如下:局部或广泛的锋利的波浪,波浪,或spike-slow复杂波出现多次,大于3赫兹;少于3赫兹时,二级标准必须满足;与连续周期性和节律异常脑电波大于1赫兹和清晰的频率变化,形态变化,或定位发生变化,振幅或清晰度变化仅是不够的。二级标准描述如下。使用快速antiepilepsy药物后,临床症状迅速变化或正常脑电图信号出现了。只有消失的电波不符合上述二级标准,符合上述标准,继续变化超过30分钟确认诊断。

2.6。统计分析

数据处理分析了SPSS 19.0版统计软件,统计数据所表达的百分比(%)。是由方差分析两两比较, 表明该数据具有统计上的显著差异。

3所示。结果

3.1。脑电图描记器

数据10- - - - - -12显示异常波三个随机的癫痫患儿的脑电图。图10显示了在颞叶癫痫的脑电图的孩子,这表明平均导致出现大幅慢波合成。

图11显示了一个双领先,这说明,锋利的F8浪潮和T4面对面,慢波相倒置。

图12显示部分的脑电图耳机。积极的大幅波是可见的和耳朵波兰人被激活。

3.2。复合域分析算法的性能分析

在这项研究中,我们介绍了脑电图的自动检测算法基于时域波形相似,脑电图的自动检测算法基于CNN,复合域分析算法进行比较分析。如图13精度,灵敏度、特异性和复数域的平均运行时间分析癫痫EEG检测算法分别为95.15%,93.48%,89.73%和13.41 s,分别。脑电图的自动检测算法基于时域波形相似度显示,90.13%,87.82%,78.04%和36.18年代的检测精度,敏感性,特异性,分别和平均运行时间癫痫脑电图。脑电图的自动检测算法基于CNN显示,91.65%,89.02%,83.33%和24.88年代的检测精度,敏感性,特异性,分别和平均运行时间癫痫脑电图。其中,复数域分析算法的敏感性和特异性的检测癫痫脑电图明显高于自动脑电图检测算法基于时域波形相似性和脑电图的自动检测算法基于CNN和差异极大的统计( )。复合的平均运行时间域分析算法的检测癫痫脑电图是短于脑电图的自动检测算法基于时域波形相似性和脑电图的自动检测算法基于CNN,和明显的统计学差异( )。与脑电图的自动检测算法相比基于时域波形相似性和脑电图的自动检测算法基于CNN,复合域分析算法的准确性癫痫脑电图没有明显不同( )。

3.3。用脑电图分析神经SE效果图像在复数域分析算法

其中,有93名儿童和CSE NCSE和104名儿童。24小时的脑电图进行录音。EEG结果实验组由复数域诊断智能分析算法,和对照组由专业医生诊断。评价了三次提高实验结果的准确性。如图14,三次实验的TPs集团是89年,90年和92年,分别;FPs是4、6和5,分别;三个fn 4、3、1,分别;和三个TNs 100、98和99年,分别。在对照组,82年三个TPs, 85年和84年,分别;三个FPs 15、11和12日分别;3 fn 11, 8, 9,分别;和三个TNs 89、93和92年,分别。

根据上面的正面和负面的结果,两组指标的计算。如图15,三个实验组的精度是95.94%,95.43%,和96.95%,分别;这位三次敏感性分别为95.6%、96.77%和98.92%,分别;和三个特异性分别为96.15%、94.23%和95.19%。在对照组,三个精度分别为86.80%,90.36%,和89.34%,分别;三个敏感性分别为88.7%、91.40%和90.32%,分别;和三个特异性分别为85.58%、89.42%和88.46%,分别。

作为显示在图16,平均精度、灵敏度和特异性的实验组分别为96.11%,97.10%,和95.19%,分别,而对照组分别为88.83%,90.14%,和87.82%,分别。有一个统计上明显的差异在实验组和对照组之间的准确性( )。

3.4。分析不良预后因素

197名儿童被打入出院后一个月,结果如图所示17。19例随访1级,31例随访2级,48例被确定为三级,42例确定为四级,57例确诊为5级。有57例预后良好,与预后不良140例。

患者的一般信息是否会影响预后进行了分析,并给出结果图18。根据性别影响因素的分析,70例男性预后良好,19例预后不良;69例女性预后良好,19例有不良预后。

诱因进行了分析,结果如图所示19。在121例感染,84例预后良好,37例预后不良;有39例不规则的药物包括31例预后良好,8例预后较差;有37例无明显的理由,包括25例有良好的预后和12例预后较差。

4所示。讨论

SE的儿童应避免强光刺激和噪音刺激,远离嘈杂的地方,和少吃辣的食物19];避免感染和形成良好的行为和心态可以有效防止SE和发病也有效防止疾病的恶化20.]。因为本身不是临床具体(21),其诊断主要依靠脑电图,曲线与脑细胞的电活动纵轴(22水平轴)和时间。人类大脑意识或脑电波,是源自量子纠缠现象23]。当脑电波兴奋,周围的量子卷入,导致其他脑波纠缠量子干涉(24),所以别人的脑电波产生的量子与我们产生的量子(合并25),最后被同化其他广达脑电波的我们和其他人。这种现象叫做脑波同步和同步的过程叫做脑电波通信(26]。儿童本身需要及时治疗;否则会引起智力障碍,严重造成不可逆的脑损伤,甚至危及孩子的生命。孩子应该的预后评估后尽快SE临床诊断和治疗,应该分析和不良预后的因素。

在这项研究中,一个24小时的脑电图记录进行,儿童脑电图结果被复杂的域分析算法和智能诊断专业医生两组。两组比较的指标来分析复杂的影响域分析算法通过脑电图诊断疾病。预后评分进行一个月后孩子们诊断,治疗,出院,预后的不利因素进行了分析。结果发现,脑电图可以准确、有效地分析儿童的脑部疾病。采用24小时脑电图诊断197 SE的孩子。实验组儿童脑电图的分析了使用复合域分析算法,和对照组由专业医生诊断。评价了三次提高实验结果的准确性。三次实验小组的TPs是89年,90年和92年,分别;FPs是4、6和5,分别;三个fn 4、3、1,分别; and the three TNs were 100, 98, and 99, respectively. In the control group, the three TPs were 82, 85, and 84, respectively; the three FPs were 15, 11, and 12, respectively; the three FNs were 11, 8, and 9, respectively; and the three TNs were 89, 93, and 92, respectively. Based on the above positive and negative results, the indicators of the two groups were calculated. As shown in Figure12,三个实验组的精度是95.94%,95.43%,和96.95%,分别;这位三次敏感性分别为95.6%、96.77%和98.92%,分别;和三个特异性分别为96.15%、94.23%和95.19%,分别。在对照组,三个精度分别为86.80%,90.36%,和89.34%,分别;三个敏感性分别为88.7%、91.40%和90.32%,分别;和三个特异性分别为85.58%、89.42%和88.46%,分别。此外,平均精度、灵敏度和特异性的实验组分别为96.11%,97.10%,和95.19%,分别,而对照组分别为88.83%,90.14%,和87.82%,分别。有一个统计上明显的差异在实验组和对照组之间的准确性( )。这样的结果表明,脑电图的影响在复数域分析算法更好。

复合域分析算法的检测性能和以前的算法相比,它是发现,复合域分析算法的敏感性和特异性的检测癫痫脑电图远高于基于时域波形的自动检测算法的相似性和CNN,而平均运行时间是相反的,差异显著( )。这样的结果是相似的结果姚明et al。27)使用正则化最小二乘支持向量机识别和检测癫痫EEG信号,表明复合域分析算法有更好的检测影响癫痫EEG图像和结果是可靠的。一个月后孩子的诊断和治疗,预后评估和不良预后因素进行了分析。其中,57例预后良好,140例有不良预后。针对不良预后因素的分析,分析病人的一般信息是否会影响预后。在性别方面,男性儿童的数量与预后良好(70例)非常类似于女性预后良好的儿童的数量(69例),以及它们之间没有显著差异。其原因可能是癫痫的发生率没有明显区别男女之间是没有性别偏见的情况下选择。结果表明,性别不影响癫痫患儿的预后。的诱发因素,病例数与预后良好(84例)和病例数与预后不良(37例)与儿童感染明显高于那些不规则的药物。这表明感染引起的不规则的药物可能影响预后的危险因素的儿童和感染引起的疾病的影响是最明显的。

5。结论

在这项研究中,复数域分析算法的诊断患儿的脑电图SE和专业医生的诊断进行比较复杂的影响域分析算法的诊断疾病。儿童的预后评分系统进行诊断后,治疗,和放电;和预后的不利因素进行了分析,以便为更好的临床治疗提供理论指导。结果表明,脑电图可以准确、有效地分析孩子的脑部疾病和复数域的脑电图分析算法更有效的比专业医生在诊断和治疗疾病。此外,病人的性别基本上没有不良预后的影响,及致病因素有一个更大的对病人的预后不良的影响。

然而,在这项研究中有一些缺陷。样本大小的小,这可能导致实验结果中的某些局限性。因此,在未来的实验研究中,应扩大样本容量,应该添加其他类型的算法进行比较,以进一步探讨脑电图的影响儿童神经SE图像分析基于复数域分析算法和分析SE的不良预后因素。简而言之,这项研究提供了理论指导临床诊断和治疗的SE和一系列的疾病可以通过脑电图诊断和治疗。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。