MétaCan
Menu
Retour à la cohorte
Enregistrement W2528925712 · doi:10.3171/2016.7.jns161282

Prediction and detection of seizures from simultaneous thalamic and scalp electroencephalography recordings

2016· article· en· W2528925712 sur OpenAlexaff
Rosa Q. So, Vibhor Krishna, Nicolas Kon Kam King, Huijuan Yang, Zhuo Zhang, Francesco Sammartino, Andrés M. Lozano, Richard Wennberg, Cuntai Guan

Notice bibliographique

RevueJournal of neurosurgery · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésElectroencephalographyEpilepsyReceiver operating characteristicScalpDeep brain stimulationMedicinePattern recognition (psychology)False positive rateThalamusArtificial intelligenceComputer scienceSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE The authors explored the feasibility of seizure detection and prediction using signals recorded from the anterior thalamic nucleus, a major target for deep brain stimulation (DBS) in the treatment of epilepsy. METHODS Using data from 5 patients (13 seizures in total), the authors performed a feasibility study and analyzed the performance of a seizure prediction and detection algorithm applied to simultaneously acquired scalp and thalamic electroencephalography (EEG). The thalamic signal was obtained from DBS electrodes. The applied algorithm used the similarity index as a nonlinear measure for seizure identification, with patient-specific channel and threshold selection. Receiver operating characteristic (ROC) curves were calculated using data from all patients and channels to compare the performance between DBS and EEG recordings. RESULTS Thalamic DBS recordings were associated with a mean prediction rate of 84%, detection rate of 97%, and false-alarm rate of 0.79/hr. In comparison, scalp EEG recordings were associated with a mean prediction rate of 71%, detection rate of 100%, and false-alarm rate of 1.01/hr. From the ROC curves, when considering all channels, DBS outperformed EEG for both detection and prediction of seizures. CONCLUSIONS This is the first study to compare automated seizure detection and prediction from simultaneous thalamic and scalp EEG recordings. The authors have demonstrated that signals recorded from DBS leads are more robust than EEG recordings and can be used to predict and detect seizures. These results indicate feasibility for future designs of closed-loop anterior nucleus DBS systems for the treatment of epilepsy.

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)0,001
score de la tête « metaresearch » (Gemma)0,008
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,012
Tête enseignante GPT0,216
Écart entre enseignants0,205 · 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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of neurosurgeryMême sujetNeurological disorders and treatmentsTravaux en français237 207