Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: iEEG

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.

Decision Support System for Epileptogenic Zone Location During Brain Resection

Kołodziej M., Majkowski A., Rak R. J., Rysz A., Marchel A.

Metrology and Measurement Systems

2018

Vol. 25, nr 1

15--32

This paper presents a system for locating the epileptogenic zone (EZ) using an automated analysis of electrocorticography (ECoG) signal recorded with 20 electrodes placed on the brain surface. The developed system enables automatic determination of places where anomalies connected with epilepsy are observed. The developed algorithm was tested on signals recorded for 33 patients who, after a prior neurological analysis, underwent the brain resection surgery. The results obtained with the algorithm were compared with those of medical analyses performed by the neurologist. The proposed system has a satisfactory accuracy – 87.8% – and can be used as a decision-supporting tool by the neurosurgeon during brain resection.