Topological Data Analysis of Electroencephalogram Signals for Pediatric Obstructive Sleep Apnea
Topological Data Analysis of Electroencephalogram Signals for Pediatric Obstructive Sleep Apnea
复制标题
小儿阻塞性睡眠呼吸暂停脑电图信号的拓扑数据分析
DOI：
10.1109/embc40787.2023.10340674
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Sathyanarayana, Aarti
中科院分区：
文献类型：
--
作者：
Manjunath, Shashank;Perea, Jose A.;Sathyanarayana, Aarti
拓扑数据分析（TDA）是一种新兴的生物信号处理技术。TDA利用度量空间中信号的不变拓扑特征，即使在存在噪声的情况下也能对信号进行鲁棒分析。在本文中，我们利用TDA对来自脑电图（EEG）信号的大脑连接网络进行分析，以确定患有阻塞性睡眠呼吸暂停（OSA）的儿科患者和没有OSA的儿科患者之间的统计差异。我们利用了大量的数据，并表明TDA使我们能够看到两组大脑动力学之间的统计差异。临床相关性-这建立了拓扑数据分析作为一种工具，以确定阻塞性睡眠呼吸暂停，而不需要一个完整的多导睡眠图研究的潜力，并提供了一个初步的调查更容易和更可扩展的阻塞性睡眠呼吸暂停诊断。
Topological data analysis (TDA) is an emerging technique for biological signal processing. TDA leverages the invariant topological features of signals in a metric space for robust analysis of signals even in the presence of noise. In this paper, we leverage TDA on brain connectivity networks derived from electroencephalogram (EEG) signals to identify statistical differences between pediatric patients with obstructive sleep apnea (OSA) and pediatric patients without OSA. We leverage a large corpus of data, and show that TDA enables us to see a statistical difference between the brain dynamics of the two groups.Clinical relevance— This establishes the potential of topological data analysis as a tool to identify obstructive sleep apnea without requiring a full polysomnogram study, and provides an initial investigation towards easier and more scalable obstructive sleep apnea diagnosis.
DOI：
10.21105/joss.00925
发表时间：
2018-09
期刊：
J. Open Source Softw.
影响因子：
--
作者：
Christopher J. Tralie;Nathaniel Saul;R. Bar-On
通讯作者：
Christopher J. Tralie;Nathaniel Saul;R. Bar-On
多元时间序列数据的拓扑数据分析。
DOI：
10.3390/e25111509
发表时间：
2023-11-01
期刊：
Entropy (Basel, Switzerland)
影响因子：
--
作者：
通讯作者：
--
拓扑时间序列分析
影响因子：
--
作者：
Jose A. Perea
通讯作者：
Jose A. Perea