XiaoMi-AI文件搜索系统
World File Search SystemRioux
Ronan Thenault、Kevin Kaulanjan、Thomas Darde、Nathalie Rioux-Leclercq、Karim Bensalah 等人。人工智能在前列腺癌管理中的应用——可以期待哪些改进？系统评价。应用科学，2020 年，10 (18)，�10.3390/app10186428�。�hal-02996051�
1 IRSET, 35000 雷恩, 法国; romain.mathieu@chu-rennes.fr 2 雷恩大学医院泌尿外科服务部，Hôpital Pontchaillou, 2, rue Henri Le Guilloux, 35000 Rennes, France； kevin.kaulanjan@chu-rennes.fr (KK); nathalie.rioux-leclercq@chu-rennes.fr (NR-L.); karim.bensalah@chu-rennes.fr (KB); marie.mermier@chu-rennes.fr (MM); zine-eddine.khene@chu-rennes.fr (Z.-eK)； benoit.peyronnet@chu-rennes.fr (BP) 3 SciLicium, 5 la hurbinais, 35850 Gévezé，法国； thomas.darde@scilicium.com 4 维也纳医科大学综合医院泌尿外科，奥地利维也纳 1090； sfshariat@gmail.com 5 德克萨斯大学达拉斯西南医学中心泌尿外科，美国德克萨斯州达拉斯 75390 6 威尔康奈尔医学院泌尿外科，美国纽约州纽约 10065 7 卡尔·兰德斯坦纳研究所，奥地利维也纳 1090 8 约旦大学约旦医院特殊外科部泌尿外科分部，约旦安曼 11942 9 谢切诺夫大学泌尿外科和生殖健康研究所，俄罗斯莫斯科 119991 10 查理大学第二医学院泌尿外科，捷克共和国布拉格 15006 11 图尔中央大学泌尿外科系，法国图尔 37000 boulevard Tonnell é电话：+ 33-299-284-321 (RT)
引用：Lemoine É、Neves Briard J、Rioux B 等。计算机辅助分析常规脑电图以识别癫痫的隐藏生物标志物
摘要 简介 癫痫的诊断通常依赖于神经科医生对脑电图 (EEG) 的视觉解释。癫痫在脑电图上的标志是发作间期癫痫样放电 (IED)。该标记缺乏敏感性：仅在癫痫患者 30 分钟常规脑电图中的一小部分中可捕获到它。在过去的 30 年里，人们对使用计算方法来分析脑电图而不依赖于 IED 的检测的兴趣日益浓厚，但目前尚无一种方法应用于临床实践。我们旨在回顾应用于动态脑电图分析的定量方法的诊断准确性，以指导癫痫的诊断和治疗。方法与分析该方案符合 Cochrane 对诊断测试准确性系统评价的建议。我们将在 MEDLINE、EMBASE、EBM 评论、IEEE Explore 以及灰色文献中搜索 1961 年以后发表的文章、会议论文和会议摘要。我们将纳入观察性研究，这些研究提出了一种计算方法来分析脑电图以诊断成人或儿童癫痫，而不依赖于 IED 或癫痫发作的识别。参考标准是医生对癫痫的诊断。我们将报告每个标记的估计汇总敏感度和特异性以及接收者操作特征曲线下面积 (ROC AUC)。如果可能，我们将对每个单独的标记的敏感度和特异性以及 ROC AUC 进行荟萃分析。我们将使用改进的 QUADAS-2 工具评估偏倚风险。我们还将描述用于信号处理、特征提取和预测建模的算法，并评论不同研究的可重复性。道德与传播 不需要伦理批准。研究结果将通过同行评审的出版物传播，并在与该领域相关的会议上发表。 PROSPERO 注册号码 CRD42022292261。