综合评估可解释的人工智能用于使用脑电图诊断发作:系统性审查
Daraje Kaba Gurmessa1,2, Worku Jimma1
1Department of Information Science, Faculty of Computing and Informatics, Institute of Technology, Jimma University, Jimma, Ethiopia.
Digital health
|March 17, 2025
概括
本系统性审查评估了使用电脑电图 (EEG) 数据进行发作 (ES) 检测的可解释人工智能 (XAI). 研究结果强调,需要在XAI模型中对监测的解释性-准确性权衡进行更多研究.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 带来了重大的社会和健康挑战,包括突然死亡.
- 电脑电图 (EEG) 对于诊断至关重要,其确认率为80%.
- 可解释的人工智能 (XAI) 旨在提高用于发作 (ES) 检测的人工智能模型的透明度和可信度.
研究的目的:
- 系统地审查和评估使用EEG进行ES监测的XAI方法的性能和可解释性.
- 确定当前XAI症应用中的关键挑战和研究缺口.
主要方法:
- 遵守PRISMA系统审查方法指南.
- 通过使用高级搜索查询,在五个知名数据库进行全面搜索.
- 利用Rayyan在线平台进行系统审查管理和基于讨论的分歧解决.
主要成果:
- 包括使用14个数据集的23篇论文,共有16,200名参与者.
- 最常使用的数据集是CHB-MIT数据集 (12次).
- 观察到可解释性和准确性之间的权衡,波形最小化可能会提高准确性并减少内存使用量.
结论:
- 进一步的研究对于中XAI的解释性-准确性权衡至关重要.
- 调查多模式护理建议和早期预警系统,以减少SUDEP (突发意外死亡) 和相关损害.
- 需要更多的研究来优化ES检测的波形,并在XAI实施之前彻底验证主观矩阵.
更多相关视频
10:23Equipment Setup and Artifact Removal for Simultaneous Electroencephalogram and Functional Magnetic Resonance Imaging for Clinical Review in Epilepsy
Published on: June 23, 2023
1.8K
09:57Author Spotlight: Advancing Pediatric Epilepsy Surgery in Children Through Novel Biomarkers and Enhanced Localization
Published on: September 20, 2024
2.5K
