Вибір оптимального порядку мультиваріативних авторегресійних моделей електроенцефалограм при епілепсії


Анотація

В роботі запропонований підхід до вибору оптимальних порядків мультиваріативних авторегресійних (МВАР) моделей сигналів електричної активності мозку пацієнтів, яким поставлений діагноз епілепсії. Проведено МВАР-моделювання та статистичний аналіз оптимальних порядків моделей ділянок сигналів до, під час та після епілептичного нападу. Для оцінки якості моделей використано iнформацiйний критерiй Шварца-Байєса з урахуванням коварiацiйної матрицi залишкiв змодельованих даних. Додатково якість оцінено за допомогою коефiцiєнта кореляцiї Пiрсона мiж реальними та змодельованими даними. В експериментальній частині були використані записи електроенцефалографічних (ЕЕГ) сигналів з двох наборів даних для генералізованих та фокальних епілептичних нападів. За результатами проведеної роботи рекомендується обирати значення порядків МВАР моделей ЕЕГ-сигналів для зазначених ділянок в діапазоні 11-13. Вказані шляхи подальших досліджень електричної активності мозку та функціональних зв'язків його відділів під час епілептичної активності.

Бібліографічний опис

 
ДСТУ ГОСТ 7.1:2006 У транслітерації (формат Harvard)
 
Котючий І. В. Вибір оптимального порядку мультиваріативних авторегресійних моделей електроенцефалограм при епілепсії / І.В. Котючий, А.О. Попов, В.І. Харитонов // Вісник НТУУ «КПІ». Серія Радіотехніка. Радіоапаратобудування. – 2018. – № 73. – с. 33-39. Kotiuchyi, I. V., Popov, A. O., Kharytonov, V. I. (2018) Selection of the optimal order for multivariate autoregressive model of electroencephalograms for patients with epilepsy. Visn. NTUU KPI, Ser. Radioteh. radioaparatobuduv., no. 73, pp. 33-39. (in Ukrainian)
 

Повний текст:


Посилання


Перелік посилань

Faes L. Testing Frequency Domain Analysis of CausalInteractions in Physiological Time Series / L. Faes, G. Nollo. - IEEE. - 2010. - No 57(8). - pp. 1897-1906.

Van Mierlo P. Changes in connectivity patterns in the kainate model of epilepsy / P. van Mierlo, S. Assecondi, P. Boon, I. Lemahieu, eds. - Berlin: Springer. - 2009. - pp. 35-54.

Seth A. Causal connectivity of evolved neural networks during behavior / A. Seth. - Network: Computation in Neural Systems. - 2005. - № 16(1). - pp. 360-363

Lütkepohl H. New introduction to multiple time series analysis / A. Massaro. - Berlin: Springer. - 2005. - 764 p.

Жаринов И.О. К вопросу о выборе порядка авторегрессионных моделей сигналов электроэнцефалограмм человека (в медицинском приборостроении) / И.О. Жаринов // Научно-технический вестник информационных технологий, механики и оптики. - 2006. - № 33. - 12 р.

Hurvich C. Regression and Time Series Model Selection in Small Samples / C. Hurvich, CL. Tsai // Biometrika. - 1989. - Vol 76, No 2. - pp. 297.

Porcaro C. Choice of multivariate autoregressive model order affecting real network functional connectivity estimate / C. Porcaro, F. Zappasodi, PM. Rossini, F. Tecchio // Biometrika. - 2009. - Vol. 120, No 2. - pp. 436-448.

Chatfield C. The Analysis of Time Series: An Introduction / C. Chatfield. - CRC Press, 1980. - 11 p.

Vrieze S. Model selection and psychological theory: A discussion of the differences between the Akaike information criterion (AIC) and the Bayesian information criterion (BIC) / S. Vrieze // Psychological Methods. - 2012. - Vol. 17, No 2. - pp. 228-243.

Панічев О. Ю. Порівняння результатів прогнозування епілептичних нападів при використанні різних схем відведення ЕЕГ / О.Ю. Панічев, А.О. Попов, В.І. Харитонов // Вісник НТУУ «КПІ». Серія Радіотехніка. Радіоапаратобудування. - 2017. - № 68. - с. 54-58

Popov A. Heart beat-to-beat intervals classification for epileptic seizure prediction / A. Popov, O. Panichev, Y. Karplyuk, Y. Smirnov, S. Zaunseder and V. Kharytonov // SPSympo. - 2017

Smirnov Y. Epileptic seizure prediction based on singular value decomposition of heart rate variability features / A.Y. Smirnov, A. Popov, O. Panichev, Y. Karplyuk and V. Kharytonov // SPSympo. - 2017.

References

Faes L., Porta A. and Nollo G. (2010) Testing Frequency-Domain Causality in Multivariate Time Series. IEEE Transactions on Biomedical Engineering, Vol. 57, Iss. 8, pp. 1897-1906. DOI: 10.1109/tbme.2010.2042715

Van Mierlo P., Assecondi S., Staelens S., Boon P. and Lemahieu I. (2009) Changes in connectivity patterns in the kainate model of epilepsy. IFMBE Proceedings, pp. 360-363. DOI: 10.1007/978-3-540-89208-3_85

Seth A.K. (2005) Causal connectivity of evolved neural networks during behavior. Network: Computation in Neural Systems, Vol. 16, Iss. 1, pp. 35-54. DOI: 10.1080/09548980500238756

Lütkepohl H. (2005) Introduction. New Introduction to Multiple Time Series Analysis, Springer, pp. 1-7. DOI: 10.1007/978-3-540-27752-1_1

Zharinov I.O. (2006) K voprosu o vybore poryadka avtoregressionnykh modelei signalov elektroentsefalogramm cheloveka (v meditsinskom priborostroenii) [On the choice of the order of autoregressive models of signals of human electroencephalograms]. Scientific and Technical Journal of Information Technologies, Mechanics and Optics, No 33, p. 121-132.

Hurvich C.M. and Tsai C. (1989) Regression and Time Series Model Selection in Small Samples. Biometrika, Vol. 76, Iss. 2, pp. 297. DOI: 10.2307/2336663

Porcaro C., Zappasodi F., Rossini P.M. and Tecchio F. (2009) Choice of multivariate autoregressive model order affecting real network functional connectivity estimate. Clinical Neurophysiology, Vol. 120, Iss. 2, pp. 436-448. DOI: 10.1016/j.clinph.2008.11.011

Chatfield C. (1980) Introduction. The Analysis of Time Series: An Introduction, CRC Press, pp. 1-11. DOI: 10.1007/978-1-4899-2923-5_1

Vrieze S.I. (2012) Model selection and psychological theory: A discussion of the differences between the Akaike information criterion (AIC) and the Bayesian information criterion (BIC). Psychological Methods, Vol. 17, Iss. 2, pp. 228-243. DOI: 10.1037/a0027127

Panichev O., Popov A. and Kharytonov V. (2017) Comparison of epileptic seizure prediction performance for different EEG derivation schemes. Visn. NTUU KPI, Ser. Radioteh. radioaparatobuduv., Vol. 68, pp. 54-58. DOI: 10.20535/radap.2017.68.54-58

Popov A., Panichev O., Karplyuk Y., Smirnov Y., Zaunseder S. and Kharytonov V. (2017) Heart beat-to-beat intervals classification for epileptic seizure prediction. 2017 Signal Processing Symposium (SPSympo). DOI: 10.1109/sps.2017.8053647

Smirnov Y., Popov A., Panichev O., Karplyuk Y. and Kharytonov V. (2017) Epileptic seizure prediction based on singular value decomposition of heart rate variability features. 2017 Signal Processing Symposium (SPSympo). DOI: 10.1109/sps.2017.8053648




DOI: http://dx.doi.org/10.20535/RADAP.2018.73.33-39

##submission.copyrightStatement##

##submission.license.cc.by4.footer##