SzCORE:扣押社区开源研究评估框架,用于验证基于脑电图的自动扣押检测算法

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 机器学习 机器学习

背景情况:

• 使用脑电图 (EEG) 自动检测发作对于长期监测越来越重要.
• 不一致的验证方法阻碍了对EEG发作检测算法的评估和比较.
• 在用于算法验证的数据集,评估方法和性能指标中存在异质性.

研究的目的:

• 提出一个统一的框架来标准化基于EEG的发作检测算法的验证.
• 为数据集,文件格式,注释,交叉验证和性能指标引入建议和标准.
• 为机器学习评估提供EEG 10-20发作检测基准.

主要方法:

• 基于对EEG发作检测算法验证的现有指导方针开发了一个框架.
• 创建了EEG 10-20发作检测基准,使用标准化格式的公共数据集.
• 在基准中定义了机器学习任务和报告指标.
• 使用拟议的基准评估现有的发作检测算法.

主要成果:

• SzCORE框架和基准提供了标准化工具,用于严格的算法评估.
• 公开发布了SzCORE框架,基准和开源软件库.
• 通过评估几个现有的发作检测算法,证明了基准的实用性.

结论:

• 该SzCORE框架和基准有助于对EEG发作检测算法进行标准化和严格的评估.
• 公共可用性促进了改善发作检测的集体研究工作.
• 标准化验证对于评估临床意义和改善病护理至关重要.