MétaCan
Menu
Retour à la cohorte
Enregistrement W2143374590 · doi:10.1109/iembs.2008.4649304

A novel wavelet-based index to detect epileptic seizures using scalp EEG signals

2008· article· en· W2143374590 sur OpenAlexaff
Ali Shahidi Zandi, Guy A. Dumont, Manouchehr Javidan, Reza Tafreshi, Bernard A. MacLeod, Craig R. Ries, Ernie Puil

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensVancouver General HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésElectroencephalographyIctalPattern recognition (psychology)Computer scienceWaveletEpilepsyArtificial intelligenceWavelet transformEpileptic seizureSpeech recognitionScalpPsychologyNeuroscienceMedicine

Résumé

récupéré en direct d'OpenAlex

In this paper, we propose a novel wavelet-based algorithm for the detection of epileptic seizures. The algorithm is based on the recognition of rhythmic activities associated with ictal states in surface EEG recordings. Using a moving-window analysis, we first decomposed each EEG segment into a wavelet packet tree. Then, we extracted the coefficients corresponding to the frequency band of interest defined for rhythmic activities. Finally, a normalized index sensitive to both the rhythmicity and energy of the EEG signal was derived, based on the resulting coefficients. In our study, we evaluated this combined index for real-time detection of epileptic seizures using a dataset of approximately 11.5 hours of multichannel scalp EEG recordings from three patients and compared it to our previously proposed wavelet-based index. In this dataset, the novel combined index detected all epileptic seizures with a false detection rate of 0.52/hr.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,227
Score d'incertitude au seuil0,744

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,292
Écart entre enseignants0,225 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations18
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEEG and Brain-Computer InterfacesTravaux en français237 207