用于脑电图振荡的数值孪生

本文介绍了一种新的数值框架，用于模拟脑电图信号中的瞬态振荡，特别关注α-纺锤波活动。使用二维Ornstein-Uhlenbeck (OU) 过程可以对这些振荡进行紧凑且可解释的表示，其特征在于衰减率、平均频率和噪声幅度等参数。本文的意义在于它能够捕捉这些振荡的瞬态结构，而传统方法通常会忽略这一点。两种互补的估计策略（拟合频谱特性和匹配事件统计）的开发解决了参数退化问题，并增强了模型的鲁棒性。在麻醉期间的脑电图数据上的应用证明了该方法在实时状态跟踪方面的潜力，并为脑监测提供了可解释的指标，与仅使用频带功率分析相比具有优势。