癫痫临床识别人工智能系统的洲际泛化
医学物理
2021-04-22 v2 信号处理
摘要
脑电图(EEG)监测与客观癫痫识别是部分癫痫患者必不可少的临床检查。准确标注由EEG专家通过耗时的流程完成。现有的计算机辅助癫痫检测系统因回顾性、患者特异性及/或不可重复的研究，导致临床测试中灵敏度低或假阳性高，目前缺乏广泛的临床实用性。我们旨在通过展示一种平衡灵敏度与特异度的癫痫检测洲际泛化，显著减少数据标注的时间与资源。这是一项在澳大利亚悉尼某医院2011至2019年间近14,590小时成人癫痫患者EEG数据上的人工智能前瞻性推理测试。推理集涵盖广泛年龄与EEG记录时长、具有不同癫痫类型与发作频率的患者。我们在AI辅助模式下，由人类专家仲裁者及由神经科与EEG专家组成的结果评审小组对66次会话验证推理模型，证明在以超一个数量级减少时间的同时达到同等性能。我们对澳大利亚数据集上1,006次EEG记录会话的推理取得76.68%，平均近56 [0, 115]次每24小时假报警，对照由人类专家在九年间独立完成的传统真值标注。我们对66次会话的试点测试含人类仲裁者、并由专家小组评审真值，确认AI辅助系统下与人类一致的92.19%性能，而时间需求从平均90分钟显著降至7.62分钟。
引用
@article{arxiv.2103.10900,
title = {Continental generalization of an AI system for clinical seizure recognition},
author = {Yikai Yang and Nhan Duy Truong and Christina Maher and Armin Nikpour and Omid Kavehei},
journal= {arXiv preprint arXiv:2103.10900},
year = {2021}
}
备注
17 pages, 14 figures, 4 tables