比较自动尖峰检测软件在检测形异常在头皮EEG的遗传通用患者

科学领域:

• 神经科学是一个神经科学.
• 医疗技术 医疗技术 医学技术
• 的研究研究.

背景情况:

• 商用EEG软件用于自动检测形缺少现实世界的验证.
• 在大型,多样化的EEG数据集上评估软件性能至关重要.

研究的目的:

• 评估两个自动化EEG软件包 (Encevis和Persyst) 的性能,用于检测间接性发泄物 (IED).
• 将软件性能与手动策划的参考标准进行比较,使用诸如灵敏度,精度,特异性和F1分数等指标.

主要方法:

• 三位病学家手动标记了125个常规头皮脑电图记录 (310.7小时) 的IED,这些记录来自遗传通用患者.
• 商业软件 (Encevis 1.11,Persyst 14) 的预测得到了审查,并纳入了参考标准.
• 使用灵敏度,精度,特异性和F1分数来评估性能.

主要成果:

• 与Encevis相比,Persyst表现出更高的敏感性 (0.67) 和F1得分 (0.51) (敏感性0.46,F1得分0.43).
• 这两种软件包在识别非形背景时都表现出高的特异性 (约为0.97).
• 精度有所不同,Persyst为0.49而Encevis为0.37.

结论:

• 自动化EEG软件为非型活动提供了高特异性.
• 对于IED检测的灵敏度和精度目前不够理想,但对于初始查可能有用.
• 临床使用需要谨慎和持续的专家人类监督,以准确解释EEG.