マルチスケール順列エントロピー分析による不在の脳波記録の動的特性

エピラプチン性発作と呼ばれる不在の発作への脳活動の移行を理解することは挑戦です。この研究では、異なる不在発作状態に関する脳波（EEG）記録の動的特性を説明するために、マルチスケール順列エントロピー（MPE）が提案されています。線形判別分析を使用したMPE測定の分類能力は、一連の実験によって評価されます。分類精度として86.1％の従来のマルチスケールエントロピー法と比較して、MPEの分類率は90.6％です。実験結果は、発作のない状態から発作状態へのEEGの順列エントロピーの減少があることを示しています。さらに、MPEを使用したEEGデータの動的特性は、発作、発作前、発作状態の違いを特定できることが示されています。これはまた、EEGが不在の発作前に検出可能な変化を持っているという見解を支持しています。

Understanding the transition of brain activities towards an absence seizure, called pre-epileptic seizure, is a challenge. In this study, multiscale permutation entropy (MPE) is proposed to describe dynamical characteristics of electroencephalograph (EEG) recordings on different absence seizure states. The classification ability of the MPE measures using linear discriminant analysis is evaluated by a series of experiments. Compared to a traditional multiscale entropy method with 86.1% as its classification accuracy, the classification rate of MPE is 90.6%. Experimental results demonstrate there is a reduction of permutation entropy of EEG from the seizure-free state to the seizure state. Moreover, it is indicated that the dynamical characteristics of EEG data with MPE can identify the differences among seizure-free, pre-seizure and seizure states. This also supports the view that EEG has a detectable change prior to an absence seizure.