在中检测微电极和宏电极上的快速波纹:基于波纹的CNN检测器.
Ludovic Gardy1, Jonathan Curot2, Luc Valton2
1Centre de Recherche Cerveau et Cognition (CerCo, CNRS UMR5549), Toulouse 31300, France; Université Paul Sabatier, Toulouse 31300, France; Ecole Nationale de l'Aviation Civile, (ENAC), Toulouse 31300, France.
Journal of neuroscience methods
|December 15, 2024
概括
一种名为WALFRID的新方法有效地使用卷积神经网络 (CNN) 和人类验证来检测中的快速波纹 (FR). 这种工具有助于神经科医生从脑内EEG数据中识别发性区域.
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
背景情况:
- 快速波纹 (FR) 是高频振荡 (200-600 Hz),对于识别发作区域至关重要.
- 在脑内EEG (iEEG) 中检测FR是具有挑战性的,因为记录尺度 (宏和微线) 不同.
研究的目的:
- 开发和验证一种新的,有效的方法来检测脑内EEG (iEEG) 中的快速波纹 (FR).
- 为了确保该方法在宏观和微导线iEEG记录中的有效性.
主要方法:
- 一个卷积神经网络 (CNN) 在38名患者的11000多个FR事件上受过训练.
- 检测管道包括基于CNN的事件识别,基于功能的假阳性控制和通过GUI的人类验证.
- 该方法,WALFRID,处理原始的iEEG数据,没有预处理步骤,如文物排斥.
主要成果:
- 沃尔弗里德在模拟数据上表现出高性能,高达99.95%的灵敏度和96.51%的精度.
- 该探测器成功地适应了宏观和微导线iEEG记录.
- 人类验证有效地消除了剩余的错误阳性,每名受试者需要最少的时间.
结论:
- 沃尔弗里德为神经病学家提供了一个用户友好的工具,模仿他们的分析工作流.
- 该方法很容易被临床医生使用,理解和纠正.
- 沃尔弗里德的性能与现有的FR检测方法相提并论或优于它们.
更多相关视频
09:32Network Analysis of Foramen Ovale Electrode Recordings in Drug-resistant Temporal Lobe Epilepsy Patients
Published on: December 18, 2016
12.3K
10:22Interictal High Frequency Oscillations Detected with Simultaneous Magnetoencephalography and Electroencephalography as Biomarker of Pediatric Epilepsy
Published on: December 6, 2016
20.2K
