评估专家在确定内EEG通道质量的可靠性,并引入自动坏通道检测算法

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 信号处理 信号处理

背景情况:

• 精确解释内脑电图 (iEEG) 数据对于临床诊断和研究至关重要.
• 人类对iEEG通道质量的评估是主观的,可能是不一致的.
• 需要自动化检测坏通道的方法来提高可靠性.

研究的目的:

• 评估在神经病学家,EEG技术人员和原始人员中识别不良iEEG通道的inter-和intra-rater可靠性.
• 将人类性能与自动坏通道检测 (ABCD) 算法进行比较.

主要方法:

• 1440个iEEG频道被22名参与者 (神经科医生,EEG技术人员,原始人员) 评分.
• 每个组的inter-rater和intra-rater卡帕统计数据都被计算出来.
• 人类评级与使用光谱和时间特征的ABCD算法进行了比较.

主要成果:

• 评估者内部的可靠性在组内有所不同;评估者内部的可靠性在神经病学家/技术专家中是适度的,而在原始人员中是最小的.
• 神经科医生表现出更高的灵敏度,而天真的人员表现出更高的频道评分特异性.
• 该ABCD算法表现优于人类评分器,特别是在识别不良通道方面.

结论:

• 人类对iEEG数据质量的评估显示出偏见和不一致,即使在经验丰富的专业人士中也是如此.
• 该ABCD算法为iEEG通道质量评估提供了一个更可靠,更公正的方法.
• 像ABCD这样的自动化解决方案在改善iEEG解释和性状方面具有显著的潜力.