在带有梯度增强树分类器的可穿戴EEG设备中,尽量减少人工制品诱导的发作检测错误警报
Thorir Mar Ingolfsson1, Simone Benatti2,3, Xiaying Wang4
1ETH Zürich, D-ITET, 8092, Zürich, Switzerland. thoriri@iis.ee.ethz.ch.
Scientific reports
|February 5, 2024
概括
可穿戴的脑电图 (EEG) 设备现在可以同时检测发作和人造物质. 这种综合方法显著减少了虚假警报,使长期,不引人注目的监测.
科学领域:
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 信号处理 信号处理
背景情况:
- 标准监测在临床环境中使用繁的EEG上限,限制了长期跟踪.
- 可穿戴的EEG设备提供了不引人注目的监控,但面临着诸如频道减少,计算能力有限,信号噪声比较低等挑战.
- 类似发作的工件是可穿戴EEG系统中错误报警的主要来源.
研究的目的:
- 开发和评估可穿戴EEG设备的联合扣押和文物检测框架.
- 提高可穿戴系统中发作检测的准确性和可靠性.
- 为了实现长期的,不引人注目的监测,减少假阳性.
主要方法:
- 基于梯度增强树的框架被开发用于同时查获和发现文物.
- 该框架在CHB-MIT和用于发作检测的私人数据集上进行了评估.
- 使用 TUH-EEG Artifact Corpus 数据集评估了文物检测性能.
主要成果:
- 扣押探测器实现了高灵敏度 ([公式:见文本]和[公式:见文本]) 与最小的错误报警.
- 文物探测器实现了最先进的准确性 ().
- 与独立的扣押检测相比,整合文物检测减少了多达[公式:参见文本]的错误报警.
结论:
- 结合文物和发作检测,显著提高可穿戴性监测的可靠性.
- 优化的算法可以在低功耗平台上扩展监控 (300小时的电池寿命).
- 这种综合方法对于减少假阳性和改善患者护理至关重要.
