使用可穿戴运动传感器和人工神经网络自动检测强力发作
Sidsel Armand Larsen1,2, Daniel Højrup Johansen3, Sándor Beniczky1,2
1Department of Clinical Neurophysiology, Danish Epilepsy Center, Dianalund, Denmark.
Epilepsia
|July 30, 2024
概括
这项研究开发了一个人工神经网络 (ANN) 模型,使用可穿戴传感器自动检测强力发作. 在检测有明显症状的夜间性发作时,ANN实现了100%的灵敏度.
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:
- 通过可穿戴设备,可以自动检测通用性强力克隆性发作.
- 自动检测强力发作,特别是在睡眠期间,仍然是一个重大挑战.
研究的目的:
- 开发和验证人工神经网络 (ANN) 模型,用于自动检测强力发作.
- 使用可穿戴的腕带运动传感器 (加速计和陀螺仪) 进行发作检测.
主要方法:
- 记录了来自15名患者的70次强力发作的前性数据集.
- 一个ANN模型被训练使用加速仪和陀螺仪数据来识别强力发作.
- 该模型在非患者的夜间发作和分散注意力的数据上进行了测试.
主要成果:
- 该ANN模型在检测有明显临床表现的夜间强力发作时表现出100%的灵敏度.
- 平均每晚的错误报警率为0.16.
- 平均检测延迟时间为10秒 (中位数),最高为47秒.
结论:
- 可穿戴的运动传感器与ANN相结合,有望可靠地检测夜间强力发作.
- 进一步的大规模,多中心的前性试验是必要的,以确认临床效用.
更多相关视频
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
2.7K
06:28Author Spotlight: Unraveling Seizure Dynamics and Novel Therapeutics for Status Epilepticus Using CMOS High-Density Microelectrode Array Systems
Published on: September 27, 2024
2.3K
