Quickest detection of drug-resistant seizures: an optimal control approach.
Quickest detection of drug-resistant seizures: an optimal control approach.
复制标题
DOI：
10.1016/j.yebeh.2011.08.041
复制
发表时间：
2011-12
期刊：
影响因子：
--
通讯作者：
Sarma SV
中科院分区：
文献类型：
--
作者：
Santaniello S;Burns SP;Golby AJ;Singer JM;Anderson WS;Sarma SV
癫痫影响着全世界5000万人，其中30%的癫痫病例仍具有耐药性。这增加了对反应性神经刺激的兴趣，反应性神经刺激在癫痫发作期间施用时最有效。我们提出了一个新的癫痫发作检测框架，包括（i）从多通道颅内EEG（iEEG）构建统计数据，以区分非发作与发作状态;（ii）对每个状态和状态转换中这些统计数据的动态进行建模;如果没有空间，您可以删除这个词。(iii)开发基于最佳控制的“最快检测”（QD）策略，以根据连续iEEG测量来估计从非发作状态到发作状态的转换时间。QD策略最小化检测延迟和误报概率的成本函数。解决方案是一个阈值，随着时间的推移非单调下降，并避免响应通常触发误报的罕见事件。我们将QD应用于4名耐药癫痫患者（168小时连续记录，26-44个电极，33次发作），并实现了100%的灵敏度和低假阳性率（0.16假阳性/小时）。本文是题为自动癫痫检测和预测的未来的补充特刊的一部分。提出了一种用于自动在线癫痫发作检测的控制理论框架。该框架结合了iEEG、基于网络的统计和优化工具。该检测算法最大限度地减少了检测延迟和误报概率。报告的结果显示100%的灵敏度和低假阳性率。
Epilepsy affects 50 million people worldwide, and seizures in 30% of the cases remain drug resistant. This has increased interest in responsive neurostimulation, which is most effective when administered during seizure onset. We propose a novel framework for seizure onset detection that involves (i) constructing statistics from multichannel intracranial EEG (iEEG) to distinguish nonictal versus ictal states; (ii) modeling the dynamics of these statistics in each state and the state transitions; you can remove this word if there is no room. (iii) developing an optimal control-based “quickest detection” (QD) strategy to estimate the transition times from nonictal to ictal states from sequential iEEG measurements. The QD strategy minimizes a cost function of detection delay and false positive probability. The solution is a threshold that non-monotonically decreases over time and avoids responding to rare events that normally trigger false positives. We applied QD to four drug resistant epileptic patients (168 hour continuous recordings, 26–44 electrodes, 33 seizures) and achieved 100% sensitivity with low false positive rates (0.16 false positive/hour). This article is part of a Supplemental Special Issue entitled The Future of Automated Seizure Detection and Prediction. ► A control-theoretical framework for automatic online seizure detection is proposed. ► This framework combines iEEGs, network-based statistics, and optimization tools. ► The detection algorithm minimizes detection delays and probability of false alarms. ► Reported results show 100% sensitivity and low false positive rates.
登录
查看更多内容
影响因子：
2.9
作者：
Coleman, Todd P.;Sarma, Sridevi S.
通讯作者：
Sarma, Sridevi S.
影响因子：
5.6
作者：
Allen CN
通讯作者：
Allen CN
影响因子：
4.6
作者：
Ghosh-Dastidar, Samanwoy;Adeli, Hojat;Dadmehr, Nahid
通讯作者：
Dadmehr, Nahid
影响因子：
4.7
作者：
Gardner, Andrew B.;Worrell, Greg A.;Litt, Brian
通讯作者：
Litt, Brian
影响因子：
4.6
作者：
Iasemidis, LD;Shiau, DS;Prasad, A
通讯作者：
Prasad, A