一种爆发间期检测方法用于新生儿 EEG 缺氧缺血性脑病分级的适用性
信号处理
2019-07-08 v1 机器学习
摘要
脑电图（EEG）是评估出生期间脑缺氧或缺血所致损伤分级的重要临床工具。称为爆发间期（inter-bursts）的低电压波形特征与不同损伤分级相关。本研究评估了一种已有的爆发间期检测方法（开发自胎龄 <30 周的早产儿）在足月儿 EEG 中检测爆发间期的适用性。利用多层感知机（MLP）机器学习算法结合爆发间期时间组织中的不同特征，对 EEG 中的四种损伤分级进行分类。我们发现性能最佳的特征“爆发间期百分比”准确率为 59.3%。在 MLP 中将其与爆发间期最大持续时间结合，测试准确率达到 77.8%，与现有多特征方法性能相近。这些结果验证了早产儿检测方法在足月 EEG 中的使用，并展示了如何利用爆发间期间隔的简单度量对不同的损伤分级进行分类。
引用
@article{arxiv.1907.02877,
title = {Suitability of an inter-burst detection method for grading hypoxic-ischemic encephalopathy in newborn EEG},
author = {Sumit A. Raurale and Saif Nalband and Geraldine B. Boylan and Gordon Lightbody and John M. O'Toole},
journal= {arXiv preprint arXiv:1907.02877},
year = {2019}
}
备注
4 pages, to be appearing in upcoming 2019 EMBC conference