相关实验视频
Updated: Feb 28, 2026
12:10
Performing Behavioral Tasks in Subjects with Intracranial Electrodes
Published on: October 2, 2014
11.9K
多分支卷积神经网络和内EEG高频振荡预测了手术后的发作结果
Madhumathi Devaraj1, Yihe Chen2, Shuang Wang2
1Department of Neurology, Stony Brook University, Stony Brook, USA.
概括
一个卷积神经网络 (CNN) 通过分析高频振荡 (HFO),神经解剖学和手术数据,准确地预测手术后的自由度. 这种人工智能工具可以通过测试虚拟切除来潜在地改善手术结果.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 医疗技术 医疗技术 医学技术
背景情况:
- 病态高频振荡 (HFO) 是发性皮层的生物标志物.
- 目前的手术规划依赖于多学科的共识,而HFO的外科实用性尚未得到证实.
研究的目的:
- 测试一个卷积神经网络 (CNN) 是否可以通过整合HFO特征,神经解剖学和外科术界限来预测自由度.
- 评估CNN模型在预测术后发作结果中的准确性.
主要方法:
- 通过使用78名手术前患者的SEEG数据进行了三分支CNN的训练.
- 输入包括立体毒素坐标,切除状态和37个HFO特征.
- 该模型使用空间,电生理学和手术数据预测了手术后发作自由概率.
主要成果:
- 通过五倍交叉验证,HFO告知的CNN模型在预测无患者方面达到92%的准确性.
- 快速的波纹,特别是型尖峰上的波纹,被确定为HFO的关键特征.
结论:
- 一个CNN模型整合了HFO,神经解剖学和手术数据,准确地预测了手术后的自由.
- 这种人工智能方法可以指导手术规划,并探索虚拟切除以优化结果.
关键词:
生物医学信号处理脑图绘制 脑图绘制 脑图绘制卷积神经网络 (CNN) 是一种卷积神经网络.深度学习 (deeplearning) 是一种深度学习.的手术手术是在.高频振荡 (HFO) 是一种高频振荡.内EEG (iEEG) 是一种脑内电图.机器学习就是机器学习.神经成像是一种神经成像.预测发作情况更多相关视频
10:22Interictal High Frequency Oscillations Detected with Simultaneous Magnetoencephalography and Electroencephalography as Biomarker of Pediatric Epilepsy
Published on: December 6, 2016
21.2K
10:51Chronic Transcranial Electrical Stimulation and Intracortical Recording in Rats
Published on: May 11, 2018
9.3K
