协和神经科研发基于多模态技术人工智能检测癫痫放电模型
2024-07-31 15:36:03   来源：   评论：0 点击：

协和神经科研发基于多模态技术人工智能检测癫痫放电模型

近日，北京协和医院神经外科脑创新性将视频数据融入（放电）IED检测，建立基于多模态技术的人工智能检测模型vEpiNet。相比传统检测模型，该模型具备更高准确性、更高效能。该研究得到了中央高水平医院临床科研专项和科技部重点研发计划的支持。

痫是常见的神经系统疾病，脑电图是其诊断重要工具。发作间期癫痫样放电(IED)作为标志性指标，对于癫痫诊断分类及药物管理至关重要。目前IED检测仍依赖于癫痫专科医生的判读和手动注释，过程耗时长，且存在主观性。人工智能辅助可以提高脑电图判读效率、减少人为误差。近年来，人工智能分析检测IED技术飞速发展。

国内外现有IED检测模型多依靠脑电图单维度，检测特异性低。本研究解决了视频数据体量大、检测目标暴露不充分、易受环境干扰等难点，创新性将视频数据转化为可用特征引入脑电深度学习架构，从两个不同维度捕捉IED特征，以达到高准确性检测结果。

研究纳入协和癫痫中心24931个IED视频脑电样本用于模型构建。脑电图数据经短时傅里叶变换、EfficientNetV2-S网络处理，完成电生理特征提取。视频数据首先通过病人检测模型YOLOv5-patient进行目标定位，以去除环境和周围人员的影响，然后采用侦差算法解决病人肢体被遮盖的问题，并通过关键点捕捉细微面部动作，从而将病人全身和面部动作转化为视频特征，将视频体量大幅减少，实现准确提取特征并保证处理速度。最后多层感知机将脑电和视频特征融合，整个模型命名为vEpiNet。

结果显示，该模型可以实现高水平的敏感性、特异性和准确率。每分钟阳率低于既往研究。尤其在临床真实环境中，视频特征可以显著提高准确率，降低检测误判。

该模型可嵌入适配的脑电图仪操作系统，目标视频脑电数据完成分析后，在脑电仪的回放软件上直接呈现标记的检测结果，目前处理一小时视频脑电图数据仅需5.7 分钟。

引入人工智能对助力脑电图报告的同质化、标准化和规范化具有重要意义，本研究证实多模态技术在IED自动检测中应用的有效性和可行性，为人工智能在脑电图中的应用提供了新的方向。

特别声明：图片文章来源于网络，如有侵权请联系后台留言进行删除；