MétaCan
Menu
Retour à la cohorte
Enregistrement W2067703539 · doi:10.1097/01.wnp.0000236579.08698.23

Independent Component Analysis in the Study of Focal Seizures

2006· article· en· W2067703539 sur OpenAlexaff
Jorge Iriarte, Elena Urrestarazu, Julio Artieda, Miguel Valencia, Pierre LeVan, C sar Viteri, Manuel Alegre

Notice bibliographique

RevueJournal of Clinical Neurophysiology · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlind Source Separation Techniques
Établissements canadiensMontreal Neurological Institute and HospitalMcGill University
Organismes subventionnairesnon disponible
Mots-clésIctalElectroencephalographyIndependent component analysisElectrocorticographyRhythmNeuroscienceStereoelectroencephalographyEpilepsyFocus (optics)Pattern recognition (psychology)Computer sciencePsychologyArtificial intelligencePhysicsOpticsAcoustics

Résumé

récupéré en direct d'OpenAlex

Independent component analysis (ICA) is a novel technique that can separate statistically independent elements from complex signals. It has demonstrated its utility in separating artifacts and analyzing interictal discharges in EEG. ICA has been used recently in ictal recordings, showing the possibility of isolating the ictal activity. The goal of our study was to analyze focal seizures with ICA, decomposing the elements of the seizures to understand their genesis and propagation, and to differentiate between various types of focal seizures. We studied 26 focal seizures of temporal, frontal, or parietal origin. Only seizures with suspected focal onset were included in the study. The EEG recordings were acquired by using standard video-EEG equipment, with scalp electrodes. All the off-line analysis was carried out on a PC by means of specific software developed in the Matlab environment. ICA components were calculated with the use of the JADE (Joint Approximate Diagonalization of Eigen-matrices) algorithm. The decomposition of the seizures varied according to the EEG seizure pattern. In the seizures with focal rhythmic theta slow or sharp waves, the rhythmic activity was separated into one to five components, having an initial component with a clear concordance with the focus, whereas the others had an onset a few milliseconds later and corresponded to neighboring areas. In the 6 frontal seizures with regional rhythmic low voltage fast activity, 4 to 10 components were found, practically with a simultaneous timing, having a frontal distribution. In the three frontal seizures with a diffuse attenuation of the EEG signal, it was not possible to differentiate components of cerebral origin from the components of muscle artifact. ICA is an interesting tool to study the nature of focal seizures. The results depend on the EEG pattern. In the seizures with a clear EEG focal pattern, ICA may be useful to separate components of the ictal onset from the propagated activity.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0000,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,050
Tête enseignante GPT0,382
Écart entre enseignants0,333 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical NeurophysiologyMême sujetBlind Source Separation TechniquesTravaux en français237 207