基于频率特征成人头皮脑电病理慢波自动分类的多中心验证研究
信号处理
2022-08-02 v9
摘要
脑电图（EEG）中的病理慢波被广泛用于神经系统疾病的诊断。目前，慢波检测的黄金标准是专家对 EEG 的目视检查，该方法耗时且主观。为解决这些问题，我们提出三种自动检测 EEG 中慢波的方法：基于阈值的检测系统（TDS）、基于浅层学习的检测系统（SLDS）和基于深度学习的检测系统（DLDS）。这些系统在通道、片段和 EEG 层面上进行评估。TDS、SLDS 和 DLDS 通过检测各独立通道上的慢波进行预测，并将这些检测结果整理为直方图以用于片段和 EEG 层面的慢波检测。我们通过留一受试者交叉验证（LOSO CV）和留一机构交叉验证（LOIO CV）在来自美国、新加坡和印度的四个数据集上评估这些系统。DLDS 取得了最佳总体结果：在通道、片段和 EEG 层面的 LOIO CV 平均平衡准确率（BAC）分别为 71.9%、75.5% 和 82.0%，LOSO CV 平均 BAC 在通道、片段和 EEG 层面分别为 73.6%、77.2% 和 81.8%。通道和片段层面的性能与某专家 72.4% 和 82% 的评分者内一致性（IRA）相当。DLDS 可在 4 秒内处理 30 分钟 EEG，并可部署以协助临床医生解读 EEG。
引用
@article{arxiv.2009.13554,
title = {Multi-center validation study of automated classification of pathological slowing in adult scalp electroencephalograms via frequency features},
author = {Wei Yan Peh and John Thomas and Elham Bagheri and Rima Chaudhari and Sagar Karia and Rahul Rathakrishnan and Vinay Saini and Nilesh Shah and Rohit Srivastava and Yee-Leng Tan and Justin Dauwels},
journal= {arXiv preprint arXiv:2009.13554},
year = {2022}
}
备注
24 pages. For submission to International Journal of Neural Systems (IJNS)