SzCORE：面向 EEG 基于自动癫痫检测算法的癫痫社区开源研究评估框架
信号处理
2024-09-24 v3 机器学习
摘要
随着威胫式和长期 EEG 监测的日益增多，基于脑电图（EEG）的高质量自动癫痫检测算法需求日益迫切。算法验证方法的异质性影响报告结果，使综合评估和比较变得具有挑战性。这种异质性尤其体现在数据集选择、评估方法以及绩效指标方面。本文提出了一个统一框架，旨在建立 EEG 基于癫痫检测算法验证的标准化。该框架基于现有指南和建议，引入一组与数据集、文件格式、EEG 数据输入内容、癫痫注释输入输出、交叉验证策略以及绩效指标相关的建议和标准。我们还提出了 10-20 癫痫检测基准，这是一个基于公共数据集转换到的标准格式的机器学习基准。该基准定义了机器学习任务及其报告指标。我们通过评估既有癫痫检测算法的一组算法来说明基准的用途。SzCORE（癫痫社区开源研究评估）框架和基准将公开提供，并附带一个开源软件库以便于研究使用，同时确保对算法临床意义的严格评估，促进社区协作，更好地检测癫痫，改善帕金森病患者的生活质量。
引用
@article{arxiv.2402.13005,
title = {SzCORE: A Seizure Community Open-source Research Evaluation framework for the validation of EEG-based automated seizure detection algorithms},
author = {Jonathan Dan and Una Pale and Alireza Amirshahi and William Cappelletti and Thorir Mar Ingolfsson and Xiaying Wang and Andrea Cossettini and Adriano Bernini and Luca Benini and Sándor Beniczky and David Atienza and Philippe Ryvlin},
journal= {arXiv preprint arXiv:2402.13005},
year = {2024}
}