| 重症监护病人脑电数据的自动聚类分析（英文） |
| |
| 引用本文： | 经津,Emile D'angremonta,Senan Ebrahim,Mohammad Ghassemi,Eric Rosenthal,Sahar Zafar,M.Brandon Westover. 重症监护病人脑电数据的自动聚类分析（英文）[J]. 西北大学学报(自然科学版), 2018, 0(1): 6-9 |
| |
| 作者姓名： | 经津 Emile D'angremonta Senan Ebrahim Mohammad Ghassemi Eric Rosenthal Sahar Zafar M.Brandon Westover |
| |
| 作者单位： | 哈佛医学院/麻省总医院神经内科;乌得勒支大学理学院;麻省理工学院理学院; |
| |
| 摘 要： | 癫痫性发作、持续状态及痫样节律性活动是常见的病理性脑部放电状态,通常会在急性脑损伤患者的脑电图(EEG)中表现出来。完成此类病理性波形的有效标记,是进一步诊断与治疗相关疾病的重要前提。为辅助神经内科专家对不同病理波形进行快速标记,文中提出了一种全新的辅助检测标记系统。该系统分别采用特征提取、PCA降维和LE映射可视化等技术,实现EEG中同质模式簇的自动检测。所提方法对哈佛医学院/麻省总医院中10例ICU患者的长时程连续脑电图进行了系统分析。数值实验结果表明,海量脑电数据能够被有效地自动聚类为多种ICU典型标准波形,而且仅通过观测类中心及若干同类成员就能够达到有效标记的目标。同时,LE可视化结果也进一步证实了"发作间期-发作期"连续统假设是成立的。
|
| 关 键 词： | 聚类 重症监护 脑电图 发作 “发作间期-发作期”连续统假设 评分者间统一度 |
Automatic clustering of EEG data from ICU patients |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
|
