Applications of Neural Mass Model-Based Cubature Kalman Filter to Chronic Seizure

摘要

顳葉癲癇是常見的神經疾病，約三成的病患無法藉由藥物得到良好的控制，然而強直陣攣發作時易誘發癲癇猝死症，故偵測或預測癲癇發作並給予病患治療是重要的研究課題。神經群模型是基於神經電生理之非線性模型，不僅能描述神經細胞接受與感知訊號之動態過程，還能模擬癲癇腦波並解釋癲癇發作或停止機制。此模型具有作為癲癇偵測、預測與控制之潛力。故本研究之目的為以神經群模型作為參考模型，利用非線性拘束方根容積卡爾曼濾波器估測小鼠腦電波型，推估其波型對應之模型參數與神經系統狀態，並以模型參數偵測與預測癲癇發作。本研究以毛果芸香鹼誘發之慢性癲癇小鼠進行實驗，結果顯示，在19次的慢性癲癇發作之中，本研究發展之癲癇辨識器能在強直陣攣動作開始前13 3±13 4 秒或腦電波型開始變化前3 9±11 5 秒辨別癲癇發作，其辨識準確度平均為94 2%，靈敏度為84 0%，偽陽率為4 5%。結論：本研究發展之估測器能預測及偵測癲癇發作，所使用的模型未來有可能用以發展閉迴路癲癇控制系統並提供顳葉癲癇治療的新方法。

獎項日期	2020
原文	English
監督員	Ming-Shaung Ju (Supervisor)