Automated Interictal Epileptiform Discharge Detection from Scalp EEG Using Scalable Time-series Classification Approaches

计算机科学 发作性 人工智能 可扩展性 机器学习 系列(地层学) 头皮 模式识别(心理学) 脑电图 神经科学 医学 心理学 数据库 生物 解剖 古生物学
作者
Duong Nhu,Mubeen Janmohamed,Lubna Shakhatreh,Ofer M. Gonen,Piero Perucca,Amanda Gilligan,Patrick Kwan,Terence J. O’Brien,Chang Wei Tan,Levin Kuhlmann
出处
期刊:International Journal of Neural Systems [World Scientific]
卷期号:33 (01) 被引量:6
标识
DOI:10.1142/s0129065723500016
摘要

Deep learning for automated interictal epileptiform discharge (IED) detection has been topical with many published papers in recent years. All existing works viewed EEG signals as time-series and developed specific models for IED classification; however, general time-series classification (TSC) methods were not considered. Moreover, none of these methods were evaluated on any public datasets, making direct comparisons challenging. This paper explored two state-of-the-art convolutional-based TSC algorithms, InceptionTime and Minirocket, on IED detection. We fine-tuned and cross-evaluated them on a public (Temple University Events — TUEV) and two private datasets and provided ready metrics for benchmarking future work. We observed that the optimal parameters correlated with the clinical duration of an IED and achieved the best area under precision-recall curve (AUPRC) of 0.98 and F1 of 0.80 on the private datasets, respectively. The AUPRC and F1 on the TUEV dataset were 0.99 and 0.97, respectively. While algorithms trained on the private sets maintained their performance when tested on the TUEV data, those trained on TUEV could not generalize well to the private data. These results emerge from differences in the class distributions across datasets and indicate a need for public datasets with a better diversity of IED waveforms, background activities and artifacts to facilitate standardization and benchmarking of algorithms.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
张薇发布了新的文献求助20
1秒前
LEP完成签到,获得积分10
1秒前
dmr完成签到,获得积分10
2秒前
tangchao完成签到,获得积分10
2秒前
潇潇暮雨完成签到,获得积分10
3秒前
3秒前
曙光完成签到,获得积分10
4秒前
joycelin发布了新的文献求助30
4秒前
巾凡完成签到 ,获得积分10
4秒前
活力的妙芙完成签到,获得积分10
5秒前
yjy完成签到 ,获得积分10
5秒前
Gang完成签到,获得积分10
6秒前
7秒前
无私的朝雪完成签到 ,获得积分10
8秒前
Wang完成签到,获得积分10
11秒前
12秒前
昵称可以改吗完成签到,获得积分10
13秒前
吱吱发布了新的文献求助30
13秒前
Ning00000完成签到 ,获得积分10
14秒前
118QQ完成签到,获得积分10
14秒前
濮阳盼曼完成签到,获得积分10
15秒前
tg2024完成签到,获得积分10
15秒前
翊星完成签到,获得积分10
17秒前
joycelin完成签到,获得积分10
19秒前
舟行碧波上完成签到,获得积分10
21秒前
科研通AI2S应助秋迎夏采纳,获得10
21秒前
yongzaizhuigan完成签到,获得积分10
22秒前
23秒前
蛀牙牙完成签到,获得积分10
24秒前
风趣霆完成签到,获得积分10
26秒前
huvy完成签到 ,获得积分10
27秒前
高手如林完成签到,获得积分10
28秒前
文武双全发布了新的文献求助10
29秒前
where完成签到,获得积分10
30秒前
道道sy完成签到,获得积分10
30秒前
小孟吖完成签到 ,获得积分10
31秒前
spp完成签到 ,获得积分10
32秒前
小尽之完成签到 ,获得积分10
33秒前
小王完成签到,获得积分10
34秒前
liumu完成签到 ,获得积分10
36秒前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052675
求助须知:如何正确求助?哪些是违规求助? 2709926
关于积分的说明 7418387
捐赠科研通 2354494
什么是DOI,文献DOI怎么找? 1246139
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921