Performance Reassessment of a Real‐time Seizure‐detection Algorithm on Long ECoG Series
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Automated seizure detection and blockage requires highly sensitive and specific algorithms. This study reassessed the performance of an algorithm by using a more extensive database than that of a previous study and its suitability for safety/efficacy closed-loop studies to block seizures in humans. METHODS: Up to eight electrocorticography (EcoG) channels from 15 subjects were analyzed off-line. Visual and computerized analyses of the data were performed by different (blinded) investigators. Independent visual analysis also was performed for clinical seizures and for detections identified only by the algorithm. The following were computed: FP rate, number of FNs, latency to automated detection, warning rate for clinical onset and warning times, seizure duration/intensity, and interrater agreement. Adaptations to improve performance were performed when indicated. RESULTS: Fourteen subjects met inclusion criteria. Generic algorithm "relative sensitivity" for clinical seizures was 100%; two undetected subclinical seizures and two unclassified seizures were captured after adaptation. FPs/day were zero in seven and fewer than one in an additional three subjects. Adaptations for four subjects with greater than 1 FP/day (7.7-66.6/day) reduced the rate to 0 in one subject and to fewer than five FP/day (1.7-4.2/day) in the remainder. Generic latency to automated detection was <5 s in eight of 13 subjects, and in 12 of 13 after adaptation. Detections provided warning of clinical onset in three of four subjects in whom it always followed electrographic onset, and in four of four after adaptation. Interrater agreement was low for FPs and EDs. CONCLUSIONS: The generic algorithm demonstrated high sensitivity, specificity, and speed, characteristics further enhanced by adaptation. This algorithm is well suited for seizure detection/warning and use in safety/efficacy closed-loop therapy studies.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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