基于動態(tài)因果模型的iEEG癲癇信號的效應連通性研究.pdf

1、近年來，由于癲癇病的高發(fā)，癲癇的治療已經(jīng)成為了一項熱門的研究課題。癲癇病雖然可以由藥物治療，但是，全球大概仍有30％的癲癇患者是抗藥性癲癇并終身受其影響;而且，該類抗藥性患者通常在大腦特定區(qū)域有一個癲癇病灶區(qū)域。因此，必須通過外科手術切除病灶區(qū)域從而達到治愈效果，而手術治療取得成功的關鍵在于精確定位病灶區(qū)域。
　　本文主要研究癲癇患者癲癇發(fā)作時（快速放電階段）大腦不同神經(jīng)元集群之間的效應連通性關系，我們的目標是:用一個已知的神經(jīng)元

2、集群模型（生理模型）仿真大腦海馬區(qū)域內(nèi)癲癇病灶活動，該生理模型的輸出表示深部電極記錄到的顱內(nèi)腦電圖(intracranial electroencephalographic，簡稱iEEG)信號，這些信號用于仿真癲癇病灶活動，通過采用DCM-SSR(Dynamic Causal Modeling ofSteady State Response)算法研究這些信號之間的因果關系從而保證在術前評估中精確定位病灶區(qū)域。這類問題在神經(jīng)學上稱為效應連

3、通性問題，即:不同神經(jīng)元集群之間的（直接）因果相互關系。
　　DCM-SSR包含兩個部分:(1)生成模型:首先將癲癇生理模型引入到動態(tài)因果模型中的生成模型，將兩個神經(jīng)元集群的生理模型用狀態(tài)方程表示，在平衡態(tài)時線性化狀態(tài)方程，得到傳遞函數(shù)，因此，對應的兩個輸出的iEEG信號的功率譜密度函數(shù)可以由傳遞函數(shù)和模型參數(shù)直接表示;(2)貝葉斯統(tǒng)計推斷:根據(jù)已知的功率譜密度函數(shù)，設定不同模型結構中參數(shù)的先驗信息，依據(jù)貝葉斯法則，采用VBEM（

4、Variationnal Bayes Expectation Maximization）算法去逼近這些參數(shù)的后驗概率密度函數(shù)，最后得到目標函數(shù)（自由能），通過對數(shù)貝葉斯因子確定和區(qū)別可能的連通性假設;仿真結果表明:基于仿真功率譜密度函數(shù)（理想情況）數(shù)據(jù)和采樣功率譜密度函數(shù)（實際情況）數(shù)據(jù)，DCM-SSR都可以正確的區(qū)分和識別大腦海馬區(qū)域內(nèi)兩個神經(jīng)元集群之間的獨立連通性，單向連通性以及雙向連通性關系。
　　最后對課題進行了總結和展望