Dynamic training of a novelty classifier algorithm for real-time detection of early seizure onset.
Dynamic training of a novelty classifier algorithm for real-time detection of early seizure onset.
复制标题
DOI：
10.1016/j.clinph.2021.12.011
复制
发表时间：
2022-03
期刊：
影响因子：
--
通讯作者：
Jouny CC
中科院分区：
文献类型：
--
作者：
Ehrens D;Cervenka MC;Bergey GK;Jouny CC
开发一种实时癫痫发作检测的自适应框架，该框架可用于癫痫监测单元（EMU）作为警告信号，其输出有助于表征癫痫样活动。我们的算法进行了测试，从癫痫患者入院的EMU术前评估的颅内脑电图。我们的框架使用一类支持向量机（SVM），根据所有可用通道中的过去活动进行动态训练，以分类当前活动的新奇。在这项研究中，我们比较了使用一类SVM的多种配置，以评估特定神经功能或电极位置是否具有显著性。我们的研究结果表明，该算法达到了87%的灵敏度为早发性癫痫发作检测和97.7%作为一个通用的癫痫发作检测。我们的算法能够实时运行，并实现了高性能的早期发病检测与低误报率和鲁棒性检测不同类型的发病模式。该算法提供了一个解决方案，在EMU的警告系统，以及癫痫发作的表征工具，在事后分析颅内EEG数据的手术切除的癫痫网络。
To develop an adaptive framework for seizure detection in real-time that is practical to use in the Epilepsy Monitoring Unit (EMU) as a warning signal, and whose output helps characterize epileptiform activity. Our algorithm was tested on intracranial EEG from epilepsy patients admitted to the EMU for presurgical evaluation. Our framework uses a one-class Support Vector Machine (SVM) that is being trained dynamically according to past activity in all available channels to classify novelty of the current activity. In this study we compared multiple configurations for using a one-class SVM to assess if there is significance over specific neural features or electrode locations. Our results show that the algorithm reaches a sensitivity of 87% for early-onset seizure detection and of 97.7% as a generic seizure detection. Our algorithm is capable of running in real-time and achieving a high performance for early seizure-onset detection with a low false positive rate and robustness in detection of different type of seizure-onset patterns. This algorithm offers a solution to warning systems in the EMU as well as a tool for seizure characterization during post-hoc analysis of intracranial EEG data for surgical resection of the epileptogenic network.
登录
查看更多内容
影响因子：
5.6
作者：
通讯作者：
--
DOI：
10.1016/j.yebeh.2011.08.029
发表时间：
2011-12
期刊：
Epilepsy & behavior : E&B
影响因子：
--
作者：
Jouny CC;Franaszczuk PJ;Bergey GK
通讯作者：
Bergey GK
DOI：
10.1016/j.yebeh.2011.08.031
发表时间：
2011-12
期刊：
Epilepsy & behavior : E&B
影响因子：
--
作者：
Kharbouch A;Shoeb A;Guttag J;Cash SS
通讯作者：
Cash SS
影响因子：
8
作者：
Hoffmann, Heiko
通讯作者：
Hoffmann, Heiko
影响因子：
8
作者：
Bandarabadi, Mojtaba;Rasekhi, Jalil;Dourado, Antonio
通讯作者：
Dourado, Antonio