首页

首页 > 学术科研 > 正文

首页

学术科研
战略所人物
活动会议
合作交流
战略所动态
通知公告
视频

学术科研

Detection of interictal epileptiform discharges using transformer based deep neural network for patients with self-limited epilepsy with centrotemporal spikes

题目Detection of interictal epileptiform discharges using transformer based deep neural network for patients with self-limited epilepsy with centrotemporal spikes
作者Tong, Pei Feng; Dong, Bosi; Zeng, Xiangdong; Chen, Lei; Chen, Song Xi
作者单位Peking Univ, Guanghua Sch Management, Beijing 100871, Peoples R China Sichuan Univ, West China Hosp, Dept Neurol, Chengdu 610041, Peoples R China Univ Elect Sci & Technol China, Chengdu Womens & Childrens Cent Hosp, Sch Med, Dept Pediat Neurol, Chengdu 611731, Peoples R China Pazhou Lab, Guangzhou 510330, Peoples R China Tsinghua Univ, Dept Stat & Data Sci, Beijing 100084, Peoples R China
关键词：CHILDHOOD EPILEPSY BENIGN
时间：2025年3月1日
出版者：BIOMEDICAL SIGNAL PROCESSING AND CONTROL
摘要已知头皮可见发作间期癫痫样放电 （IED） 对于诊断伴中央颞区棘波的自限性癫痫 （SeLECTS） 至关重要。然而，在脑电图 （EEG） 记录上标记和映射这些放电是重复且耗时的，需要大量繁琐和仔细的努力。具有高精度和泛化能力的全自动 IED 检测算法非常受欢迎。（#br）方法（#br）我们设计了一个高效的数据预处理-特征提取-分类工作流程，该工作流程由独立的成分分析、基于临床知识的波形字典和基于变压器的深度神经网络分类器组成，以识别与每个单独的 IED 相关的时序和记录电极以及偶极子模式。（#br）结果（#br）共收集了 44,908 例 SeLECTS 患者视频脑电图记录中标记的 IED。所提出的程序在由 8 名患者组成的测试数据集中实现了 99.8% 的平均准确率和 97.8% 的灵敏度，非癫痫性脑电图记录的误报率为每小时 1.8 次。测试集中的 8 名 SeLECTS 患者均被检测到偶极子模式，其中 5 名患者在睡眠阶段的 IED 频率比清醒期高 10 倍。通过在公开可用的 TUEV 数据集中进行跨数据集评估，进一步证实了该程序的泛化能力。（#br）结论（#br）所提出的全自动 IED 检测程序具有较高的准确率和较好的泛化能力。（#br）意义 （#br）所提出的程序可以显着减轻神经科医生的工作负担，并为进一步癫痫研究中的 IED 分析提供定量工具
URLhttp://hdl.handle.net/20.500.11897/729401
ISSN1746-8094
DOI10.1016/j.bspc.2024.107238
收录情况SCI（E）
作者单位 Peking Univ, Guanghua Sch Management, Beijing 100871, Peoples R China Sichuan Univ, West China Hosp, Dept Neurol, Chengdu 610041, Peoples R China Univ Elect Sci & Technol China, Chengdu Womens & Childrens Cent Hosp, Sch Med, Dept Pediat Neurol, Chengdu 611731, Peoples R China Pazhou Lab, Guangzhou 510330, Peoples R China Tsinghua Univ, Dept Stat & Data Sci, Beijing 100084, Peoples R China 时间 2025年3月1日
出版者 BIOMEDICAL SIGNAL PROCESSING AND CONTROL URL http://hdl.handle.net/20.500.11897/729401
ISSN 1746-8094 DOI 10.1016/j.bspc.2024.107238
收录情况 SCI（E） 分类
TOP