使用手术前EEG和患者特征预测手术期间爆发抑制

科学领域:

• 神经科学是一个神经科学.
• 麻醉学 麻醉学
• 生物医学工程 生物医学工程

背景情况:

• 突发抑制 (BS) 是在全身麻醉期间的EEG模式,与患者不良结果有关.
• 早期发现和预测BS对于优化麻醉和提高患者安全至关重要.

研究的目的:

• 探索使用手术内EEG进行BS的自动检测.
• 用手术前EEG信号和患者特征来预测BS发生情况.

主要方法:

• 使用EEG工具箱进行自动BS检测和注释.
• 采用五个机器学习分类器来使用手术前数据进行BS预测.
• 应用了诸如SMOTE和功能丰富等技术,以提高预测准确度.

主要成果:

• 自动BS检测工具实现了0.75.5的精度.
• 最初的BS预测模型显示了适度的性能 (0.72准确度).
• 最后的模型 (随机森林,梯度提升) 实现了0.86准确度和0.94ROC-AUC,确定了关键的预测患者特征.

结论:

• 自动BS检测和预测是可行的,并且可以通过更大的数据集和先进的机器学习显著改进.
• 患者的特征和手术前EEG特征是预测BS倾向的重要指标.