研究中的自动视频EEG分析:对进展和挑战的叙述性审查
Valerii A Zuev1, Elena G Salmagambetova2, Stepan N Djakov2
1Institute of Physics and Mechanics, Peter the Great St.Petersburg Polytechnic University, St Petersburg, Russia. zuev.va@edu.spbstu.ru.
Journal of medical systems
|October 20, 2025
概括
视频脑电图 (vEEG) 的自动化分析对于的诊断至关重要. 本综述涵盖了最近在vEEG注释中的机器学习进展,并提出了治疗效果估计的新可解释的管道.
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:
- 视频电脑图 (vEEG) 是诊断的黄金标准.
- 手动vEEG分析是劳动密集型的,可靠性较低.
- 需要自动化方法来标准化vEEG注释.
研究的目的:
- 审查自动化vEEG分析的最新进展,重点关注机器学习应用.
- 讨论多式联络数据的整合,以改善vEEG分析.
- 从vEEG数据提出一个新的管道,用于从vEEG数据中解释治疗效果估计.
主要方法:
- 关于自动化vEEG分析的2024年和2025年初发表的科学文献的综述.
- 机器学习技术的分析,用于型发作,发作检测和预测.
- 建议基于概念的学习管道,用于可解释的治疗效果估计.
主要成果:
- 机器学习在实时发病释放和发作检测/预测方面表现有前途.
- 挑战包括症状多样性,注释模两可,以及有限的多式联络数据集.
- 最近的研究强调了自动化vEEG分析和多式联络数据集成方面的进展.
结论:
- 自动化vEEG分析对于有效和标准化的诊断至关重要.
- 整合多式联运数据和开发可解释的AI方法是未来的关键方向.
- 拟议的管道为研究中的治疗效果估计提供了一种新的方法.


