患者特定的视觉疏忽严重程度估计,用于中风患者的疏忽使用EEG.
Deniz Kocanaogullari1, Richard Gall1, Jennifer Mak2
1Department of Electrical and Computer Engineering, University of Pittsburgh, 3700 O'Hara St, Pittsburgh, PA 15213, United States of America.
Journal of neural engineering
|November 5, 2024
概括
这项研究引入了一种基于EEG的新型系统 (ESTNet),以准确评估患者整个视野的空间疏忽严重程度. 该系统为中风患者诊断神经疾病提供了更高的准确性和特异性.
科学领域:
- 神经科学是一个神经科学.
- 医疗技术 医疗技术 医学技术
- 信号处理 信号处理
背景情况:
- 空间疏忽 (SN) 是中风患者常见的神经缺陷,通常是单方面脑损伤造成的.
- 目前的SN评估工具,如行为不注意性测试和凯瑟琳·贝尔盖戈尺度,在详细说明患者视野 (FOV) 中忽视的全部程度和严重程度方面存在局限性.
- 现有的基于EEG的系统如AREEN是有前途的,但需要对患者特定的NS评估进行验证,以确保可通用性.
研究的目的:
- 开发和验证一种基于EEG的新型系统,用于对患者的FOV进行详细的空间疏忽严重程度评估.
- 引入基于EEG的综合时空网络 (ESTNet),用于分析与SN相关的时间和频域EEG数据.
- 实施基于贝叶斯融合的FOV校正系统,通过处理噪音数据来提高SN评估的准确性.
主要方法:
- 开发ESTNet,一个基于EEG的网络处理时间和频率域数据,以识别与SN相关的频段.
- 将贝叶斯聚变系统与AREEN的响应时间数据集成,以进行FOV校正和提高准确性.
- 使用专有数据集对拟议的ESTNet和FOV校正系统进行广泛的测试和验证.
主要成果:
- 与基准方法相比,ESTNet表现优越,准确度为79.62%,灵敏度为76.71%,特异性为86.36%.
- 度图被生成以提高模型的解释性和探索临床相关性.
- 结合ESTNet和贝叶斯融合方法的结合显示出普遍疏忽评估的巨大潜力.
结论:
- 新的ESTNet,加上基于贝叶斯融合的FOV校正,为精确和普遍的空间疏忽评估提供了一个强大的工具.
- 这种方法克服了现有方法的局限性,提供了详细的FOV特定的SN严重性信息.
- 这些发现支持了这种基于EEG的系统对中风患者康复和管理的临床实用性.
