（Runze Zheng, Yuanmeng Feng, Tianlei Wang, Jiuwen Cao*，Duanpo Wu，Tiejia Jiang， Feng Gao, and ,Scalp EEG Functional Connection and Brain Network in Infants with West Syndrome , Neural Networks, 2022, published online）
婴儿痉挛症是一种常见的年龄性依赖疾病，其可以通过脑电图准确的诊断，但其发病机制和演变仍不清晰。现有的研究主要是在时间/频率域研究West发作的标志物，而较少的文献使用图论方法来分析不同脑区之间的变化。由此，与浙江大学医学院附属儿童医院合作，我院人机混合智能与智慧健康研究中心在婴儿痉挛症分析领域展开了深入的研究，提出了基于多域的脑网络统计分析模型。相应的研究论文“Scalp EEG Functional Connection and Brain Network in Infants with West Syndrome”近期被神经网络顶级期刊Neural Networks录用。
在本文中，基于头皮EEG功能连接（包括相关、相干、时频交叉互信、相位锁定值、相位滞后指数、加权相位滞后指数）和网络拓扑参数（包括聚类系数、特征路径长度、全局效率和局部效率）进行了全面的研究，以便对婴儿痉挛症发作周期进行预后分析。对15名临床诊断为婴儿痉挛发作的儿童的头皮脑电图进行了前瞻性研究。将信号分为发作前、发作中、发作后三个阶段。分为5个典型的脑波节律频段（δ（1-4Hz）、θ（4-8 Hz）、α（8-13 Hz）、β（13-30 Hz）和γ（30-80 Hz））进行功能连接分析。该研究表明，婴儿痉挛症发作削弱了负责认知和智力的脑区之间的连接。而负责信息协同和视觉接收的脑区在发作时有癫痫发作时连接性的变化更大。据观察，用相关性和加权相位滞后指数计算出的多频段脑网络连接模式的变化在β和γ频段的连接模式的变化较大，可以初步作为判断癫痫发作的生物标志物。
论文第一作者为研究生郑润泽，通讯作者为指导教师曹九稳教授，研究获得了国家自然科学基金重点、科技部重点研发和浙江省重点研发等项目的资助。
核心算法框图：
数据划分及收集：
脑地形图分析：
导联分析：
脑网络连接结果：
统计结果：
