Return to search

Predicting epileptic seizures from intracranial EEG

The cause of seizures in epileptic patients is still poorly understood. Ongoing debates regarding the existence of a pre-seizure state initiating the seizure remain unresolved. Most of the work on this topic has focused on the identification of forerunners (prior to the seizure occurring) in the electroencephalogram, by using measures intended to isolate and distinguish recognizable patterns. New signal processing tools have been developed to allow for a more accurate characterization of the electroencephalogram, and therefore increase the potential to detect forerunners. This study presents both a statistical and an algorithmic evaluation of the predictive value of these measures. The evaluation was carried out on limited electroencephalogram segments of five temporal epilepsy patients whose EEG was recorded at 2000 Hz. The statistical analysis suggested several pathophysiological factors influencing the seizure prediction, and the algorithm implementation succeeded in detecting 71% of pre-seizure states at a mean time of 20.9 +/- 17.4 min prior to the seizure. / Les causes des crises d'épilepsie sont encore très mal comprises. L'existence d'un état préparatoire d'avant-crise occasionne de nombreux débats qui restent sans issue. La plupart des travaux sur ce sujet se concentrent sur la recherche de signes avant-coureur (avant la crise d'épilepsie) dans l'électroencéphalogramme. De nouveaux outils de traitement du signal permettent une meilleure description de l'électroencéphalogramme et ont, par conséquent, un plus fort potentiel pour la détection de signe avant-coureurs. Cette étude présente une évaluation statistique et algorithmique de ces mesures. L'évaluation se base sur un nombre de segments limité d'électroencéphalogramme échantillonné à 2000 Hz provenant de cinq patients avec épilepsie temporal. L'évaluation statistique a suggéré plusieurs facteurs pathophysiologique influençant la prédiction de crise d'épilepsie et l'algorithme a réussit à détecter 71% des états d'avant-crise à un temps moyen de 20.9 +/- 17.4 min avant la crise.

Identiferoai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QMM.32354
Date January 2009
CreatorsLaurent, François
ContributorsJean Gotman (Internal/Supervisor), Jean-Marc Lina (Internal/Cosupervisor2)
PublisherMcGill University
Source SetsLibrary and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada
LanguageEnglish
Detected LanguageFrench
TypeElectronic Thesis or Dissertation
Formatapplication/pdf
CoverageMaster of Engineering (Department of Biomedical Engineering)
RightsAll items in eScholarship@McGill are protected by copyright with all rights reserved unless otherwise indicated.
RelationElectronically-submitted theses.

Page generated in 0.0018 seconds