OBJECTIVE Localization of epileptic seizures, usually characterized by abnormal hypersynchronous wave patterns from the cortex, remains elusive. We present a novel, robust method for automatic localization of seizures on the scalp from clinical electroencephalogram (EEG) data. METHODS Seizure patient EEG data was decomposed via the Hilbert Transform and processed through the following methodology: sorting the analytic amplitude (AA) in the time instance, locating the maximum amplitude within the vector of channels, cross-correlating amplitude values in the time index with the channel vector. The channel with highest AA value in time was located. RESULTS Our approach provides an automated way to isolate the epi-genesis of seizure events with 93.3% precision and 100% sensitivity. The method differentiates seizure-related neural activity from other common EEG noise artifacts (e.g., blinks, myogenic noise). CONCLUSIONS We evaluated performance characteristics of our source location methodology utilizing both phase and energy of EEG signals from patients who exhibited seizure events. Feasibility of the new algorithm is demonstrated and confirmed. SIGNIFICANCE The proposed method contributes to high-performance scalp localization for seizure events that is more straightforward and less computationally intensive than other methods (e.g., inverse source modeling). Ultimately, it may aid clinicians in providing improved patient diagnosis.

中文翻译：

---

使用 EEG 分析信号进行癫痫定位

目的 癫痫发作的定位，通常以来自皮层的异常超同步波模式为特征，仍然难以捉摸。我们提出了一种新颖、稳健的方法，用于根据临床脑电图 (EEG) 数据自动定位头皮上的癫痫发作。方法通过希尔伯特变换对癫痫患者脑电图数据进行分解，并通过以下方法进行处理：对时间实例中的分析幅度（AA）进行排序，在通道向量中定位最大幅度，将时间索引中的幅度值与通道向量。时间上具有最高 AA 值的通道被定位。结果我们的方法提供了一种自动化的方法来以 93.3% 的精度和 100% 的灵敏度隔离癫痫发作事件的表观发生。该方法将癫痫相关的神经活动与其他常见的 EEG 噪声伪影（例如，眨眼、肌源性噪声）区分开来。结论我们利用来自表现出癫痫事件的患者的 EEG 信号的相位和能量来评估我们的源定位方法的性能特征。新算法的可行性得到了证明和确认。意义 所提出的方法有助于癫痫发作事件的高性能头皮定位，与其他方法（例如，逆源建模）相比，这种方法更直接且计算量更小。最终，它可以帮助临床医生提供改进的患者诊断。结论我们利用来自表现出癫痫事件的患者的 EEG 信号的相位和能量来评估我们的源定位方法的性能特征。新算法的可行性得到了证明和确认。意义 所提出的方法有助于癫痫发作事件的高性能头皮定位，与其他方法（例如，逆源建模）相比，这种方法更直接且计算量更小。最终，它可以帮助临床医生提供改进的患者诊断。结论我们利用来自表现出癫痫事件的患者的 EEG 信号的相位和能量来评估我们的源定位方法的性能特征。新算法的可行性得到了证明和确认。意义 所提出的方法有助于癫痫发作事件的高性能头皮定位，与其他方法（例如，逆源建模）相比，这种方法更直接且计算量更小。最终，它可以帮助临床医生提供改进的患者诊断。