基于LS-MEMD的sEEG高频振荡自动识别方法

立体定向脑电(stereo-EEG,sEEG)的癫痫间期高频振荡(High Frequency Oscillations,HFOs)与癫痫灶高度相关,广泛用于难治性癫痫切除术前定位中,但HFOs易与高频伪迹等混淆,自动辨识精度低,临床上仍依赖人工辨识,长程sEEG数据量巨大,人工辨识耗时费力易出错,急需HFOs高精度自动识别方法。考虑sEEG具有非线性、非平稳以及多维sEEG之间具有一致相关性等特点,本文提出基于最小二乘-多维经验模态分解(Least Square-Multivariate Empirical Mode Decomposition,LS-MEMD)的HFOs快速自动识别方法。本文基于临床1680段HFOs和1720段高频伪迹测试了该算法的性能,且与小波变换、经验模态分解等方法比较,证明了所提方法具有更高的准确率和更低的误检率。