用机器学习检测丘脑皮层节律失常

摘要

丘脑皮层节律失常（TCD）的特征是，静息状态的α节律被低频和高频振荡之间的跨频耦合所取代。作者采用数据驱动的方法，把支持向量机学习应用于帕金森病、神经病理性疼痛、耳鸣和抑郁症患者的静息态脑电图。他们发现，不同疾病的TCD在频谱上相同，但空间分布不同，同时还找出了四种疾病共有的脑区，这让TCD从一个理论概念变成了一种可测量、因疾病而异的特征。

主要发现

• 把支持向量机学习应用于包括耳鸣在内的四种疾病的静息态脑电图。
• 发现每种疾病的TCD模式在频谱上相同，但空间分布不同。
• 还找出了帕金森病、疼痛、耳鸣和抑郁症共有的脑区。
• 让TCD从理论变为人体中可检测、由数据驱动得出的特征。