智能发作检测系统:医疗保健中的基于机器学习的IoT模型
Naresh Rana1, Tanishk Thakur1, Shruti Jain1
1Department of Electronics and Communication Engineering, Jaypee University of Information Technology, Solan, Himachal Pradesh, India.
Current aging science
|May 6, 2024
概括
这项研究介绍了一种使用医疗保健物联网和先进信号处理的智能发作检测系统. 该方法达到高达100%的准确性,通过实时EEG数据分析改善患者的治疗结果.
科学领域:
- 神经学 神经学
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 的特点是有各种病因的反复发作.
- 发作是短暂的事件,通常在康复后不会留下任何持久的痕迹.
- 电脑电图 (EEG) 仅在活动记录期间检测出异常.
研究的目的:
- 为医疗保健物联网应用开发智能发作检测系统.
- 为了解决分析的脑电图 (EEG) 数据的挑战.
- 克服手动发作识别及其对患者的影响的局限性.
主要方法:
- 一种综合方法,结合信号处理技术 (离散波形变换,Hjorth参数,统计特征) 和分类器组合 (决策树,后勤回归,支向量机器).
- 利用医疗保健物联网进行实时数据分析.
- 用kNN分类器,其他数据集和最先进的技术比较结果.
主要成果:
- 在特定的实验条件下达到高达100%的显著精度.
- 证明了结合多种信号处理和机器学习方法的有效性.
- 验证了系统的性能与已建立的方法和数据集相对应.
结论:
- 拟议的智能发作检测系统为医疗保健物联网中的EEG数据分析提供了强大的解决方案.
- 该方法提供了实时数据,对于明智的临床决策至关重要.
- 这一进步有助于改善管理中的患者结果.
