实时多通道发作检测利用超低复杂度的算法-硬件联合设计方法.

科学领域:

• 生物医学工程 生物医学工程
• 神经科学是一个神经科学.
• 信号处理 信号处理

背景情况:

• 发作需要及时检测才能有效管理.
• 现有的发作检测方法经常面临计算复杂性和硬件限制的挑战.
• 开发强大的实时发作检测系统对于患者护理和研究至关重要.

研究的目的:

• 提出一个基于值的,多通道的自动发作检测算法.
• 设计一种适用于低复杂度硬件实现的算法.
• 通过一种全新的多道战略,提高检测可靠性并最大限度地减少虚假报警.

主要方法:

• 利用了两个计算简单的时间域特征 (功率和振幅变化).
• 采用患者特定的离线校准,使用数据分析进行间脉冲和脉冲期间的统计分析.
• 实施了多道决策策略,以提高稳定性.
• 在EEG CHB-MIT和iEEG SWEC-ETHZ数据集上验证了算法.
• 通过FPGA合成评估硬件可行性,包括时间分割多重复合 (TDM).

主要成果:

• 在两种数据集上实现了大约98%的准确性和超过98%的灵敏度.
• 报告的平均检测延迟时间为3.37秒 (EEG) 和7.84秒 (iEEG).
• 已证明的性能与基于机器学习的方法相当或超过.
• FPGA综合证实了最小和可扩展的资源需求.

结论:

• 拟议的算法提供了准确和灵敏的实时发作检测.
• 它的多道方法提高了可靠性,并减少了错误警报.
• 该算法非常适合资源受限的硬件,如FPGA,用于低复杂度的实现.