癫痫 seizure 预测：概率性发作风险估计与数据融合
信号处理
2020-05-18 v1
摘要
癫痫发作预测结合预防性治疗的实施，有望极大改善癫痫患者及其照护者的生活质量。预测发作可防止一些潜在的灾难性后果，如受伤与死亡，此外还可为医院患者护理提供一长串潜在的临床益处。发作预测的挑战在于脑动力学向发作态的 seemingly 不可预测的转迁。确定发作风险的计算研究主体仅聚焦于预测算法，这涉及准确性与误报之间平衡这一显著问题。在本文中，我们开发了一种发作风险警示系统，采用贝叶斯卷积神经网络(BCNN)向患者提供有意义的信息，并为其提供更多可能掌控自身健康的机遇。我们使用头皮脑电图(EEG)信号，并给出自动发作风险估计的不确定性信息。在此过程中，我们为纳入辅助信号以改进基于EEG的发作风险估计系统奠定了基础。我们此前的CNN结果显示平均AUC为74.65%，而在仅用EEG的BCNN上平均AUC可达68.70%。这一性能下降是在本研究阶段向患者提供更丰富信息所付出的代价。
引用
@article{arxiv.2005.07196,
title = {Epileptic Seizure Forecasting: Probabilistic seizure-risk assessment and data-fusion},
author = {Nhan Duy Truong and Yikai Yang and Christina Maher and Armin Nikpour and Omid Kavehei},
journal= {arXiv preprint arXiv:2005.07196},
year = {2020}
}
备注
5 pages, 5 figures