机构名称：
¥ 1.0
背景：癫痫猝死 (SUDEP) 是仅次于中风的神经系统事件，可导致数年的潜在寿命损失。发作后全身性脑电图 (EEG) 抑制 (PGES) 是大脑活动受到抑制的一段时间，通常发生在全身性强直阵挛性癫痫发作之后，这是 SUDEP 的最重要风险因素。因此，PGES 已被视为 SUDEP 风险的潜在生物标志物。自动 PGES 检测工具可以解决劳动密集型且有时不一致的视觉分析的局限性。成功的自动 PGES 检测方法必须克服与检测 EEG 记录中可能包含生理和采集伪影的细微幅度变化有关的计算挑战。目标：本研究旨在提出一种随机森林方法，用于使用在癫痫监测单元中获取的多通道人体 EEG 记录自动检测 PGES。方法：我们使用来自 EEG 信号的时间、频率、小波和通道间相关特征的组合来训练随机森林分类器。我们还根据 PGES 状态变化构建并应用了基于置信度的校正规则。受实用性的启发，我们引入了一种新的基于时间距离的评估方法来评估 PGES 检测算法的性能。结果：基于时间距离的评估表明，对于无伪影信号，我们的方法实现了 5 秒容差的阳性预测率为 0.95。对于具有不同伪影水平的信号，我们的预测率从 0.68 到 0.81 不等。结论：我们引入了一种基于特征的随机森林方法，用于使用多通道 EEG 记录自动检测 PGES。我们的方法在降低信号伪影水平的同时实现了越来越好的基于时间距离的性能。需要进一步研究 PGES 检测算法是否能在任何信号伪影水平下表现良好。
发作后全身脑电图抑制的检测：随机森林方法
主要关键词
相关文件推荐
