SeizNet：一种用于癫痫预测的AI赋能植入式传感器网络系统
机器学习
2024-01-15 v1 信号处理
摘要
本文介绍SeizNet，一个利用深度学习（DL）方法和植入式传感器网络预测癫痫发作的闭环系统。虽然药物治疗对部分癫痫患者有效（全球约6500万人受影响），但每三人中就有一人患有耐药性癫痫。为减轻癫痫发作的影响，已开发出可通知此类患者即将发作的预测系统，使其能采取预防措施。SeizNet利用DL技术并融合来自多个记录的数据，特别是颅内脑电图（iEEG）和心电图（ECG）传感器，能在保持极高灵敏度的同时，显著提高癫痫预测的特异性。SeizNet的DL算法专为边缘端高效实时执行而设计，最大限度地减少了与基于云的解决方案相关的数据隐私问题、数据传输开销和功耗问题。我们的结果表明，SeizNet在所有指标上均优于传统的单模态和非个性化预测系统，预测癫痫发作的准确率高达99%，为耐药性癫痫治疗提供了一条有前景的新途径。
引用
@article{arxiv.2401.06644,
title = {SeizNet: An AI-enabled Implantable Sensor Network System for Seizure Prediction},
author = {Ali Saeizadeh and Douglas Schonholtz and Daniel Uvaydov and Raffaele Guida and Emrecan Demirors and Pedram Johari and Jorge M. Jimenez and Joseph S. Neimat and Tommaso Melodia},
journal= {arXiv preprint arXiv:2401.06644},
year = {2024}
}
备注
4 pages, 4 figures, 1 table