在视频录制中使用人工智能对发作进行自动分析和检测
Pragya Rai1, Andrew Knight1,2, Matias Hiillos1
1Neuro Event Labs, Tampere, Finland.
Frontiers in neuroinformatics
|April 1, 2024
概括
这项研究表明,无接触式视频系统可以准确检测各种运动发作,为的诊断和 SUDEP 的预防提供了一个有前途的工具.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 医疗技术 医疗技术 医学技术
背景情况:
- 自动发作检测有助于的诊断和 SUDEP 的预防.
- 无接触式,基于视频的系统提供了一种非侵入性的监控方法.
研究的目的:
- 评估无接触,无标记,基于视频的运动发作检测系统的性能.
- 以视频电脑图监测 (VEM) 来评估灵敏度,特异性和ROC曲线.
主要方法:
- 第二阶段的探索性研究,使用230名患者 (0-80岁) 的视频记录.
- 评估发现了五种运动性发作类型和心理非发作 (PNES) >10s.
- 与VEM比较系统性能作为黄金标准.
主要成果:
- 在性-克隆性发作 (95.2%) 和PNES发作 (97.7%) 中实现了高灵敏度.
- 一个通用值显示,所有运动的灵敏度为88%,每小时有6.48个错误检测率.
- 根据发作类型的表现有所不同,有力发作显示78.3%的灵敏度.
结论:
- 基于视频的发作检测系统显示了用于运动发作检测的临床可用的性能.
- 这项技术可以在诊断工作流程中作为一种有价值的查解决方案.
- 进一步精细化可能会提高特定类型的扣押的检测率.
更多相关视频
09:16Use of a Wireless Video-EEG System to Monitor Epileptiform Discharges Following Lateral Fluid-Percussion Induced Traumatic Brain Injury
Published on: June 21, 2019
25.6K
10:25Multi-system Monitoring for Identification of Seizures, Arrhythmias and Apnea in Conscious Restrained Rabbits
Published on: March 27, 2021
6.0K
