用深度学习进行的门诊EEG的超快速审查

科学领域:

• 神经学 神经学
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 间接性发性排泄 (IED) 是的关键生物标志物.
• 脑电图的视觉分析,特别是门诊脑电图,是耗时的.
• 深度学习为自动化IED检测提供了潜力.

研究的目的:

• 评估深度学习算法用于在门诊EEG中自动检测IED.
• 在临床环境中评估算法的可靠性和节省时间的潜力.

主要方法:

• 一个预先训练的神经网络应用于100个独立的门诊EEG.
• 一位专家回顾了标记时代,并将结果与临床报告进行了比较.
• 对于所有EEG,审查时间都被仔细记录下来.

主要成果:

• 该算法与专家的结论达成97%的一致性.
• 审查时间缩短了大约50-75倍.
• 一半的EEG需要不到2分钟的时间进行审查.

结论:

• 深度学习算法显著减少了EEG视觉分析时间.
• 人工智能工具在帮助临床EEG审查方面表现出高可靠性.