用于自动分类针式EMG信号的人工智能:一个范围审查
S de Jonge1, W V Potters2, C Verhamme1
1Department of Neurology and Clinical Neurophysiology, Amsterdam Neuroscience, Amsterdam UMC Location University of Amsterdam, Meibergdreef 9, Amsterdam, The Netherlands.
概括
人工智能 (AI) 显示出解释针式肌电图 (nEMG) 信号的前景,但目前的模型需要进一步开发各种数据集用于临床使用.
科学领域:
- 神经学 神经学
- 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:
- 针电肌图 (nEMG) 对于诊断神经肌肉疾病至关重要.
- 解释nEMG信号传统上依赖于专家分析.
- 人工智能 (AI) 提供了自动化和增强nEMG解释的潜力.
研究的目的:
- 提供AI应用在临床nEMG信号解释中的全面概述.
- 在nEMG分析中识别AI的当前趋势,方法和局限性.
- 引导未来的研究,以在nEMG中临床实施AI.
主要方法:
- 2010年以后发表的同行评审文章的系统范围审查.
- 在Medline,Embase和Web of Science数据库中进行的搜索.
- 使用医学成像人工智能检查清单 (CLAIM) 评估的方法质量.
主要成果:
- 51项研究符合纳入标准,重点是用于nEMG信号分类的AI.
- 61%的人使用开源数据集 (EMGlab) 来对健康个体,ALS和肌肉病的信号进行分类.
- 大多数研究报告了高准确性,但许多研究显示了偏见和过度训练的担忧.
结论:
- 目前用于nEMG解释的AI模型还不足以广泛的临床采用.
- 未来的研究应该优先考虑大型,多样化的临床nEMG数据集,以进行强大的模型培训和验证.
- 开发能够管理信号变化的AI模型是实际临床应用的关键.


