癫痫中一致的虚假 seizure 预测：巧合还是天意？
机器学习
2021-10-27 v1 信号处理
摘要
使用机器学习进行 seizure 预测是可行的，但性能远不理想，表现为大量虚假预测与低特异性。在此，我们考察两种算法在长时数据集上的虚假与漏报，以表明这些局限较少与分类器或特征相关，而更多源于数据的内在变化。我们在三个数据集上评估两种算法，计算虚假预测的相关性并估计两种分类方法间的信息传递。在 12 名个体中的 9 名，两种方法均表现出优于随机的性能。所有个体中我们均观察到预测的正相关性。对于虚假预测强相关的个体，我们能够通过基于第二种方法的结果排除测试样本来提升其中一种方法的性能。显著不同的算法表现出高度一致的性能以及虚假与漏报的强一致性。因此，将每次 seizure 前固定时长的 preictal 状态这一潜在假设改为 proictal 状态，比进一步优化分类器更有帮助。该结果对于连续数据上 seizure 预测算法的评估具有重要意义。
引用
@article{arxiv.2110.13550,
title = {Coherent False Seizure Prediction in Epilepsy, Coincidence or Providence?},
author = {Jens Müller and Hongliu Yang and Matthias Eberlein and Georg Leonhardt and Ortrud Uckermann and Levin Kuhlmann and Ronald Tetzlaff},
journal= {arXiv preprint arXiv:2110.13550},
year = {2021}
}
备注
23 pages, 7 figures, accepted for publication in Clinical Neurophysiology