基于可解释的深度学习算法的双光谱指数得分预测模型的开发
Eugene Hwang1, Hee-Sun Park2, Hyun-Seok Kim3
1School of Management Engineering, Korea Advanced Institute of Science and Technology, Seoul, Republic of Korea.
Artificial intelligence in medicine
|September 6, 2023
概括
这项研究引入了一种可解释的深度学习模型,可以使用脑电图 (EEG) 数据提前25秒预测双光谱指数 (BIS) 值,从而提高麻醉监测的安全性.
科学领域:
- 麻醉学 麻醉学
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 在手术期间保持适当的催眠对于患者的安全至关重要.
- 双光谱指数 (BIS) 用于监测催眠水平,但它的算法通常是不透明的 ("黑盒").
- 对BIS算法的有限理解和整合阻碍了它们更广泛的临床应用.
研究的目的:
- 开发一种可解释的深度学习模型,用于预测双光谱指数 (BIS) 值.
- 用电脑电图 (EEG) 数据预测BIS值,提前25秒.
- 提高对麻醉中BIS监控机制的理解.
主要方法:
- 使用脑电图 (EEG) 数据,通过快速里埃转换分解成振幅和相位元件.
- 实施了注意机制,以确定EEG组件在BIS预测中的重要性.
- 使用来自两个医疗机构的数据验证了回归和二进制分类任务的模型.
主要成果:
- 该模型在内部和外部验证数据集上都表现出高性能.
- 在BIS价值预测中获得6.614的平方根平均误差,在分类中获得0.937的AUC.
- 解释性分析显示了EEG频率组件和BIS值之间的关联,观察到特定的注意力模式.
结论:
- 开发的可解释深度学习模型准确地预测了未来的BIS值.
- 该模型提供了关于EEG特征和催眠状态之间的关系的见解.
- 这一进步可以加深对BIS预测的理解,并改进麻醉监测技术.
