XiaoMi-AI文件搜索系统
World File Search Systemseizure
一种基于机器学习的利用脑电信号预测癫痫发作的方法
大脑由数十亿个神经元组成，它们控制着我们的所有行为。在癫痫发作时，大脑信号的模式顺序会发生改变，导致个体大脑出现癫痫样放电。大约 1% 的世界人口患有癫痫，因此需要进行一些研究来帮助诊断和治疗这种疾病。这项工作的目的是开发一种基于机器学习的方法，使用非侵入性脑电图 (EEG) 预测癫痫发作。因此，使用 CHB-MIT 数据库对发作间期和发作前状态进行分类。该算法是使用独立于患者的方法预测多个受试者的癫痫发作而开发的。离散小波变换用于在 5 个级别上对 EEG 信号进行分解，并研究了频谱功率、平均值和标准差作为特征，以分析哪一个会呈现最佳结果，并使用支持向量机 (SVM) 作为分类器。该研究的功率、标准差和平均值特征分别实现了 92.30%、84.60% 和 76.92% 的准确率。
迈向长期监测：通过减少脑电图通道检测癫痫发作
1 标题：走向长期监测：通过减少脑电图通道检测癫痫发作 作者：Christina Maher 1,2,3*、Yikai Yang 1,2、Nhan Duy Truong 1,2、Chenyu Wang 3,5、Armin Nikpour 4,5,†、Omid Kavehei 1,2,†* 1. 悉尼大学工程学院生物医学工程学院，新南威尔士州 2006，澳大利亚。 2. 澳大利亚研究委员会创新生物工程培训中心，悉尼大学工程学院，新南威尔士州 2006，澳大利亚。 3. 悉尼大学大脑与思维中心，新南威尔士州 2006，澳大利亚。 4. 皇家阿尔弗雷德王子医院综合癫痫服务和神经内科，新南威尔士州 2050，澳大利亚。 5. 悉尼大学医学与健康学院，中央临床学院，新南威尔士州 2006，澳大利亚。 † 这些作者对这项工作的贡献相同 通信：christina.maher@sydney.edu.au；电话：+61-2-8627-6812 第一作者的 ORCID ID：https://orcid.org/0000-0002-6023-9457 最后一位作者的 ORCID ID：https://orcid.org/0000-0002-2753-5553 手稿文本页数：11 字数：3178 参考文献数量：66 图表数量：7 表格数量：1
应用于癫痫发作识别的数据融合方法的性能分析
癫痫是一种由无诱因反复发作引起的慢性神经系统疾病。诊断癫痫最常用的工具是脑电图 (EEG)，通过脑电图可以测量大脑的电活动。为了预防潜在风险，必须对患者进行监测，以便尽早发现癫痫发作并采取预防措施。许多不同的研究都结合了时间和频率特征来自动识别癫痫发作。本文比较了两种融合方法。第一种基于集成方法，第二种使用 Choquet 模糊积分方法。具体来说，三种不同的机器学习方法，即 RNN、ML 和 DNN，被用作集成方法和 Choquet 模糊积分融合方法的输入。比较了混淆矩阵、AUC 和准确度等评估指标，并提供了 MSE 和 RMSE。结果表明，Choquet模糊积分融合方法优于集成方法以及其他最先进的分类方法。
使用近似脉冲卷积变压器进行癫痫发作检测和预测
摘要：癫痫是神经系统的常见疾病，及时预测癫痫发作并进行干预治疗，可以大大减少患者的意外伤害，保障患者的生命健康。本文提出了一种神经形态脉冲卷积变换器，即Spiking Conformer，用于从头皮长程脑电图（EEG）记录中检测和预测癫痫发作片段。我们报告了使用波士顿儿童医院-麻省理工学院（CHB-MIT）EEG数据集对Spiking Conformer模型的评估结果。通过利用基于脉冲的加法运算，与非脉冲模型相比，Spiking Conformer显着降低了分类计算成本。此外，我们引入了一个近似脉冲神经元层，在不牺牲准确性的情况下进一步将脉冲触发的神经元更新减少近38％。使用原始 EEG 数据作为输入，提出的 Spiking Conformer 在癫痫发作检测任务中实现了 94.9% 的平均灵敏度和 99.3% 的特异性率，在癫痫发作预测任务中实现了 96.8% 的平均灵敏度和 89.5% 的特异性率，并且与非脉冲等效模型相比，所需的操作减少了 10 倍以上。索引术语 —EEG 数据、癫痫发作检测、癫痫发作预测、脉冲神经网络、Transformer。
使用带有EEG信号的SVM技术自动癫痫发作检测
在癫痫的预测中，根据脑电图的目视检查，使用了自动癫痫发作检测系统，该系统充当医生的第二意见工具。使用带有EEG信号的SVM技术提出了一种自动癫痫发作检测，以准确预测癫痫发作检测。所提出的技术在节之后完成概述构想。第2节处理具有不同技术的可用方法。第3节用提出的方法处理以克服已经可用的系统中的问题。第4节通过SVM分类器管理提出的系统的完整过程。第5节通过使用带有EEG信号的SVM技术自动癫痫发作检测获得了结果。提议方法的结论遵循第6节。
一种基于神经网络的深层癫痫病识别癫痫患者的方法
癫痫是由癫痫发作引起的最常见的神经系统疾病之一，也是中风后第二大普遍的神经系统疾病，影响了全球数百万的人。患有癫痫病的人被认为是残疾人的类别。它会大大损害一个人执行日常任务的能力，尤其是那些需要集中或记住的任务。脑电图（EEG）信号通常用于诊断癫痫患者。但是，这是乏味的，耗时的，并且遭受人类错误。已经应用了几种机器学习技术以识别癫痫病，但它们有一些局限性。本研究提出了一个深神网络（DNN）机器学习模型，以通过提高癫痫疾病的识别效率来确定先前研究的现有局限性。本研究中使用了公共数据集并将其分类为培训和测试集。进行了实验以评估不同数据集分类比（80:20），（70:30），（60:40）和（50:50）的DNN模型，分别用于培训和测试。通过使用不同的性能指标（包括验证）以及允许评估模型有效性的比较过程来评估结果。实验结果表明，与以前的作品相比，所提出的模型的总体效率最高，精度为97％。因此，这项研究比现有的癫痫发作检测方法更准确，更有效。DNN模型使用数值EEG数据集识别癫痫患者活动的巨大潜力，该数据集提供了数据驱动的方法，以提高癫痫发作检测系统的准确性和可靠性，以改善患者护理和癫痫的治疗。
用于根据癫痫发作症状可视化致痫区概率图的软件工具
约三分之一的癫痫对药物有抵抗力。对于这些患者，可以通过手术切除致痫区 (EZ)（大脑中引起癫痫发作的部分）来减少或治愈癫痫发作。如果非侵入性数据不足以确定侧向或定位，则可能需要通过精确植入颅内脑电图 (iEEG) 电极来定位致痫区。iEEG 目标的选择受到临床医生的经验和对文献的个人了解的影响，这导致不同癫痫中心的植入策略存在很大差异。基于文献中报告的回顾性临床病例的结果，客观工具可以建议致痫区的位置，从而支持和标准化手术计划的临床诊断途径。我们提出了一个开源软件工具，为临床医生提供直观的数据驱动可视化，以推断可能与致痫区重叠的致病区的位置。可能的 EZ 表示为覆盖在患者图像上的概率图，给出在该特定患者中观察到的癫痫症状列表。我们展示了一个案例研究，该研究基于我们单位接受治疗的一名患者的回顾性数据，该患者接受了切除性癫痫手术，并在术后 1 年内没有癫痫发作。被识别为 EZ 位置的切除脑结构与我们工具突出显示的区域重叠，证明了其潜在效用。
用于个性化癫痫发作预测的自适应、无标记和实时近似学习平台 (AURA)
高性能事件检测系统是进行某些预测研究所需的全部。在这里，我们介绍 AURA：一种使用未标记的实时数据训练的自适应预测模型，使用内部生成的近似标签进行实时训练。通过利用时间序列数据的相关性质，一对检测和预测模型耦合在一起，使得检测模型自动生成标签，然后用于训练预测模型。AURA 依赖于几个简单的原则和假设：(i) 目标应用中事件预测/预报模型的性能仍然低于事件检测模型的性能，(ii) 检测到的事件被视为弱标签，并被认为足够可靠，可用于在线训练预测模型，以及 (iii) 系统性能和/或系统响应反馈特性可以针对被测对象进行调整。例如，在医疗患者监测中，这可以实现个性化预测模型。癫痫发作预测被认为是 AURA 的理想测试案例，因为发作前脑电波因患者而异，根据患者情况定制模型可以显著提高预测性能。AURA 用于为 10 名患者生成个人预测模型，结果显示灵敏度平均相对提高 14.30%，误报率降低 19.61%。本文提出了一个概念验证，证明了在时间序列神经生理数据流上进行在线迁移学习的可行性，为低功耗神经形态神经调节系统铺平了道路。
在小鼠中强调 - 持续性癫痫模型中lacosamide和第二代抗癫痫药之间的相互作用
1卢布林医科大学病理生理学系，波兰卢布林20-090； katarzyna.zaluska-ogryzek@umlub.pl（k.z.-o.）; pawel.marzeda@umlub.pl（p.m.）; paula.wroblewska-luczka@umlub.pl（p.w.-ł）2农村卫生研究所医学人类学系，波兰卢布林20-090；马格达莱纳（Magdalena）。 plewa_z@o2.pl 4农村卫生研究院毒理学和食品安全部，波兰卢布林20-090； bojar.hubert@imw.lublin.pl 5美国加利福尼亚州萨克拉曼多分校医学院神经病学系，美国加利福尼亚州95816； dzolkowska@gmail.com 6农村健康研究所Isobolographic分析实验室，波兰卢布林20-090 *通信：jarogniew.luszczki@umlub.pl;电话。： +48-81-448-65-03
简单的发热癫痫
儿童中抽象复杂的先天性心脏病（CHD）通常不会引起发热性癫痫发作。讨论了一个简单发热性癫痫发作，支气管瘤和复杂先天性心脏病的孩子。该报告分析了原因并提出了有关发热性癫痫发作，支气管瘤或两者的预防措施。一名2岁的女孩患有复杂的先天性心脏病，出现了可能由支气管内肿瘤引起的简单发热性癫痫发作。孩子的体重严重营养不良（<-3SD），体重为7.5 kg，高度为78厘米。诊断症显示白细胞增多和中性粒细胞减少症，X射线结果显示肺和心脏异常（ASD，VSD和PDA）。治疗包括对第一次癫痫发作的地西ep 5 mg，用于第一次癫痫发作的1 mg IV，以及扑热息痛输注5 ml/4 h。了解复杂的先天性心脏病患者支气管内肿瘤引起的简单高热癫痫发作需要一种综合方法来进行患者管理，包括综合护理。医务人员的参与是防止复发和确保最佳患者结局的重要挑战。简单的高温癫痫发作可能是由支气管内症引起的，并伴有复杂的先天性心脏病。在用地西ep和有症状的药物治疗后恢复后，她的恢复强调了心脏异常儿童的癫痫发作触发器和管理发热性癫痫发作的重要性。