Identification of the Temporal Components of Seizure Onset in the Scalp EEG
Notice bibliographique
Résumé
BACKGROUND: The identification of the earliest indication of rhythmical oscillations and paroxysmal events associated with an epileptic seizure is paramount in identifying the location of the seizure onset in the scalp EEG. In this work, data-dependent filters are designed that can help reveal obscure activity at the onset of seizures in problematic EEGs. METHODS: Data-dependent filters were designed using temporal patterns common to selected segments from pre-ictal and ictal portions of the scalp EEG. Temporal patterns that accounted for more variance in the ictal segment than in the pre-ictal segment of the scalp EEG were used to form the filters. RESULTS: Application of the filters to the scalp EEG revealed temporal components in the seizure onset in the scalp recording that were not obvious in the unfiltered EEG. Examination of the filtered EEG enabled the onset of the seizure to be recognized earlier in the recording. The utility of the filters was confirmed qualitatively by comparing the scalp recording to the intracranial recording and quantitatively by calculating correlation coefficients between the scalp and intracranial recordings before and after filtering. CONCLUSION: The data-dependent approach to EEG filter design allows automatic detection of the basic frequencies present in the seizure onset. This approach is more effective than narrow band-pass filtering for eliminating artifactual and other interference that can obscure the onset of a seizure. Therefore, temporal-pattern filtering facilitates the identification of seizure onsets in challenging scalp EEGs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,008 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,005 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».