An algorithm for seizure onset detection using intracranial EEG.
An algorithm for seizure onset detection using intracranial EEG.
复制标题
DOI：
10.1016/j.yebeh.2011.08.031
复制
发表时间：
2011-12
期刊：
影响因子：
--
通讯作者：
Cash SS
中科院分区：
文献类型：
--
作者：
Kharbouch A;Shoeb A;Guttag J;Cash SS
本文讨论的问题，实时癫痫发作检测颅内脑电图（IEEG）。创建可用于许多患者的方法的一个困难是癫痫发作IEEG模式在不同患者之间甚至在患者内的异质性。此外，同时最大限度地提高灵敏度并最大限度地降低延迟和误检测率也具有挑战性，因为这些都是相互竞争的目标。自动化机器学习系统提供了一种处理这些障碍的机制。在这里，我们提出并评估了一种算法，实时癫痫发作检测IEEG使用机器学习的方法，允许患者特定的解决方案。我们提取所有颅内EEG通道的时间和频谱特征。使用这些特征向量训练模式识别组件，并针对来自同一患者的不可见的连续数据进行测试。当对来自10名患者的超过875小时的IEEG数据进行测试时，该算法检测到了67次测试癫痫发作中的97%，中位检测延迟为5秒，中位误报率为每24小时0.6次误报。10例患者中有8例敏感性为100%。这些结果表明，基于机器学习的灵敏、特异性和相对短延迟的检测系统可以用于使用全套颅内电极从EEG到个体患者的癫痫发作检测。
This article addresses the problem of real-time seizure detection from intracranial EEG (IEEG). One difficulty in creating an approach that can be used for many patients is the heterogeneity of seizure IEEG patterns across different patients and even within a patient. In addition, simultaneously maximizing sensitivity and minimizing latency and false detection rates has been challenging as these are competing objectives. Automated machine learning systems provide a mechanism for dealing with these hurdles. Here we present and evaluate an algorithm for real-time seizure onset detection from IEEG using a machine-learning approach that permits a patient-specific solution. We extract temporal and spectral features across all intracranial EEG channels. A pattern recognition component is trained using these feature vectors and tested against unseen continuous data from the same patient. When tested on more than 875 hours of IEEG data from 10 patients, the algorithm detected 97% of 67 test seizures of several types with a median detection delay of 5 seconds and a median false alarm rate of 0.6 false alarms per 24-hour period. The sensitivity was 100% for 8 of 10 patients. These results indicate that a sensitive, specific, and relatively short-latency detection system based on machine learning can be employed for seizure detection from EEG using a full set of intracranial electrodes to individual patients.
登录
查看更多内容
影响因子：
2.4
作者：
Meier, Ralph;Dittrich, Heike;Aertsen, Ad
通讯作者：
Aertsen, Ad
影响因子：
4
作者：
Maiwald, T;Winterhalder, M;Timmer, J
通讯作者：
Timmer, J
影响因子：
4.7
作者：
Chua, Eric C. -P.;Patel, Kunjan;Bleakley, Chris J.
通讯作者：
Bleakley, Chris J.
DOI：
10.1016/b978-012373649-9.50035-1
发表时间：
2008-01-01
期刊：
COMPUTATIONAL NEUROSCIENCE IN EPILEPSY
影响因子：
--
作者：
Echauz, Javier;Wong, Stephen;Litt, Brian
通讯作者：
Litt, Brian
影响因子：
5.6
作者：
Osorio, I;Frei, MG;Wilkinson, SB
通讯作者：
Wilkinson, SB