机构名称：
¥ 1.0
活动：a) 神经元膜的快速去极化，这取决于钠离子和钾离子的电压，并产生动作电位 (AP) [3]。b) 由于突触活动和几种神经递质系统的功能，膜电位变化较慢 [4]。AP 是膜电位的快速变化，时间为 1 – 2 毫秒，它使细胞内电位从负变为正，并迅速返回细胞内静息电位。它具有较小的场电位分布（在细胞外环境中的渗透较少）并且持续时间较短（约 1 毫秒，而突触后电位则为 15 到 200 多毫秒）[3,5]。突触后电位扩散到颅骨表面并且可以测量。为了测量大脑活动，我们可以使用一种非侵入性的方法，通过一种称为脑电图 (EEG) 的设备将电极放在头皮上。EEG 信号主要由突触后锥体细胞的可测量电位产生，这些细胞彼此平行且垂直于颅骨表面。它创建了一个细胞外皮质偶极层 [5,6]。因此，颅骨上的电极代表皮质神经元突触后电位的时间和位置。它还包括大皮质区域中缓慢且同时的电位变化（图 1）[7,8]。EEG 信号可用于识别许多临床问题，例如精神分裂症、阿尔茨海默病、失眠症、睡眠障碍、癫痫症、脑瘤和中枢神经系统感染。除了具有非侵入性和精确的时间分辨率之外，该技术还具有低成本且不需要极端的安全限制 [5]。通过脑电图信号可以发现，癫痫发作通常是自发性的。它们是由部分脑细胞突然放电引起的，因此会导致大脑暂时兴奋。有时癫痫发作可能会被忽视，或者可能与其他脑部疾病（如脑膜炎或中风）混淆，这些疾病也会导致相同的症状。研究表明，大约 10% 的人一生中至少会经历一次癫痫发作 [ 10 ]。对脑电图 (EEG) 信号中的癫痫进行精确分析可以揭示有关这种普遍存在的脑部疾病的宝贵事实 [ 11 ]。由于 EEG 信号非常复杂，因此需要分析多种因素。手动目视检查 EEG 信号已被发现有助于识别模式。然而，这种方法需要高水平的技术和分析能力，以及多种信号处理技术[12]。因此，近年来，癫痫发作的自动检测
使用脑电图 (EEG) 信号预测癫痫发作的机器学习方法
主要关键词
相关文件推荐
