患者独立的发作间期癫痫样放电检测
信号处理
2023-12-14 v2
摘要
癫痫是一种高度普遍的脑部疾病，会引发许多严重的并发症。大多数前往诊所并接受脑电图（EEG）监测的患者在检查期间不太可能出现癫痫发作，因此发作间期癫痫样放电（IEDs）的存在成为诊断癫痫的有效标志物。此外，IED 的形状和模式在不同个体间差异很大，但训练有素的专家仍能通过 EEG 记录识别它们——这意味着 IED 之间存在共性，可以通过算法进行训练以检测并推广到更大的人群中。本研究提出了一种 IED 检测系统，用于使用头皮 EEG 记录进行癫痫的二元分类。所提出的系统采用基于集成的深度学习方法，以提升残差卷积神经网络和双向长短期记忆网络的性能。该系统使用来自 Temple University Hospital EEG Epilepsy Corpus 的原始 EEG 数据实现，并被发现在同一数据集上的 IED 检测性能优于当前 SOTA 模型。达到的 94.92% 准确率和 97.45% 的曲线下面积（AUC）证明了集成方法的有效性，以及使用原始头皮 EEG 数据可以实现高性能的 IED 检测，从而表明所提出的方法在临床环境中具有广阔前景。
引用
@article{arxiv.2304.13965,
title = {Patient Independent Interictal Epileptiform Discharge Detection},
author = {Matthew McDougall and Hezam Albaqami and Ghulam Mubashar Hassan and Amitava Datta},
journal= {arXiv preprint arXiv:2304.13965},
year = {2023}
}
备注
Accepted for publication at EMBC 2023