在规模上注释神经生理学数据,并优化人类输入
Zhongchuan Xu1, Brittany H Scheid1, Erin Conrad2
1Department of Bioengineering, University of Pennsylvania, 210 South 33rd Street, Philadelphia, Pennsylvania, 19104-6321, UNITED STATES.
Journal of neural engineering
|June 12, 2025
概括
标注 Co-pilot,一个循环中的人类解决方案,可显著减少83%的内EEG (iEEG) 数据的人类标注时间. 这种人工智能工具以更少的数据实现了专家级发作检测性能,加速了神经科学研究.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 神经科学研究产生了大量的数据集,这给注释带来了挑战.
- 专家注释是耗时的,缺乏可复制性.
- 当前的自动化方法需要大量的标记数据,限制了可扩展性.
研究的目的:
- 为内EEG (iEEG) 数据开发一种半自动化的注释方法.
- 为了提高iEEG注释的效率和可扩展性.
- 介绍 评论 副驾驶员,一个人-在-循环 (HITL) 解决方案.
主要方法:
- 利用深度主动学习和自我监督学习 (SwAV) 来进行iEEG注释.
- 在1500小时的未标记iEEG录音上训练了一个深度神经网络.
- 采用主动学习来优先考虑专家审查的信息数据时代.
主要成果:
- 分析了超过8万张iEEG剪辑 (1176小时).
- 实现了与使用1/6的人类注释 (AUC 0.9628 ± 0.015) 的顶部探测器相当的性能.
- 与人类注释者相比,已被证明具有更高的一致性 (科恩的卡帕0.95 ± 0.04).
结论:
- 标注 Co-pilot 在iEEG标注中实现了专家级别的性能.
- 该方法可将注释时间缩短83%,提高效率.
- 显示了加速电生理学研究和AI的临床翻译的前景.
