Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Detection of epileptic seizures with the use of convolutional neural networks

Wiszniewski Przemysław, Kołodziej Marcin, Majkowski Andrzej, Rysz Andrzej

Przegląd Elektrotechniczny

2023

R. 99, nr 2

51--55

The purpose of the article is to investigate whether the implementation of a CNN consisting of several layers will allow the effective detection of epileptic seizures. For the research, a publicly available database registered for 4 dogs and 8 people was used. The 1-second iEEG recordings were marked by a neurophysiologist as interictal, early seizure, and seizure. A CNN was trained for each patient individually. Coefficients such as precision, AUC, sensitivity, and specificity were calculated, and the results were compared with the best algorithms published in one of the contests on the Kaggle platform. The average accuracy for the recognition of seizures using CNN is 0.921, the sensitivity is 0.850, and the specificity is 0.927. For early seizures these values are 0.825, 0.782, and 0.828, respectively.

Celem artykułu było zbadanie czy zastosowanie sieci CNN, składającej się z kilku warstw umożliwi skuteczną detekcję napadów epileptycznych. Na użytek badań zastosowano ogólnodostępną bazę danych zarejestrowaną dla 4 psów oraz 8 ludzi. Jednosekundowe zapisy sygnału iEEG zostały oznaczone przez neurofizjologa jako: międzynapadowe, wczesnonapadowe oraz napadowe. Zaproponowano strukturę sieci CNN, a następnie wytrenowano ją dla każdego pacjenta indywidualnie. Zostały wyliczone współczynniki takie jak: trafność, AUC, czułość, specyficzność. Następnie wyniki zostały porównane do osiągniętych w najlepszych algorytmach opublikowanych w konkursie na platformie Kaggle. Średnia skuteczność rozpoznawania napadów z wykorzystaniem sieci CNN wynosi 0.921, czułość 0.850, a specyficzność 0.927. Dla okresów wczesnonapadowych wartości te wynoszą odpowiednio 0.825, 0.782 i 0.828.

A new method of cardiac sympathetic index estimation using a 1D-convolutional neural network

Kołodziej Marcin, Majkowski Andrzej, Tarnowski Paweł, Rak Remigiusz Jan, Rysz Andrzej

Bulletin of the Polish Academy of Sciences. Technical Sciences

2021

Vol. 69, nr 3

art. no. e136921

Epilepsy is a neurological disorder that causes seizures of many different types. The article presents an analysis of heart rate variability (HRV) for epileptic seizure prediction. Considering that HRV is nonstationary, our research focused on the quantitative analysis of a Poincare plot feature, i.e. cardiac sympathetic index (CSI). It is reported that the CSI value increases before the epileptic seizure. An algorithm using a 1D-convolutional neural network (1D-CNN) was proposed for CSI estimation. The usability of this method was checked for 40 epilepsy patients. Our algorithm was compared with the method proposed by Toichi et al. The mean squared error (MSE) for testing data was 0.046 and the mean absolute percentage error (MAPE) amounted to 0.097. The 1D-CNN algorithm was also compared with regression methods. For this purpose, a classical type of neural network (MLP), as well as linear regression and SVM regression, were tested. In the study, typical artifacts occurring in ECG signals before and during an epileptic seizure were simulated. The proposed 1D-CNN algorithm estimates CSI well and is resistant to noise and artifacts in the ECG signal.