研究人员开发了基于人工智能的预测癫痫发作的方法

Omid Kavehei博士开发的预测癫痫发作的系统旨在使用非手术设备的数据进行30分钟警告，该系统基于最新的人工智能和机器学习技术。

癫痫发作没有任何预兆，近三分之一的癫痫患者对控制这些发作的治疗有抵抗力。全世界有25万澳大利亚人和6500万人患有癫痫病。

现在，悉尼大学的研究人员已经使用先进的人工智能和机器学习来开发一种通用的方法来预测何时发作将不需要手术植入物。

奥米德Kavehei博士从工学部和IT和悉尼纳米研究所的大学说：“我们的轨道上建立一个负担得起的，便携式和非手术设备，这将使发作的可靠预测患有难治性癫痫的人。”

在本月发表于《神经网络》上的一篇论文中，Kavehei博士和他的团队提出了一种通用的，针对患者的癫痫发作预测方法，该方法可以在癫痫发作可能性的30分钟内向癫痫患者发出警报。

Kavehei博士说，人工智能以及微电子和纳米电子学已经取得了令人瞩目的进步，从而推动了此类系统的发展。

“仅仅四年前，您无法通过小型电子芯片来处理复杂的AI。现在可以完全访问了。在五年内，可能性将是巨大的。”卡夫海伊博士说。

工程和IT学院和Sydney Nano的Omid Kavehei博士。

该研究使用了来自欧洲和的三个数据集。利用这些数据，该团队开发了一种预测算法，其灵敏度高达81.4%，错误预测率低至每小时0.06。

Kavehei博士说：“尽管这仍然存在一些不确定性，但我们希望随着对癫痫发作数据的访问增加，我们的敏感率将会提高。”

澳大利亚癫痫行动首席执行官卡罗尔·爱尔兰(Carol Ireland)表示：“持续不断的不确定性生活极大地增加了癫痫患者及其家人的焦虑感，却不知道下一次癫痫发作的时间。

“即使是控制好的癫痫病患者也表达了他们持续的担忧，他们不知道他们是否，何时会在工作，上学，旅行或与朋友外出时癫痫发作。

“在可靠的癫痫发作预测方面取得的任何进展都会极大地影响癫痫患者的生活质量和选择自由。”

Kavehei博士和该研究的主要作者Nhan Duy Truong使用深度机器学习和数据挖掘技术开发了一种动态分析工具，该工具可以读取患者的脑电图或脑电图，可穿戴式帽或其他便携式设备中的数据以收集脑电图数据。

可以将可穿戴技术附加到基于现成的Raspberry Pi技术的负担得起的设备上，该技术可以为患者提供30分钟的警告和癫痫发作的可能性。

Kavehei博士说，他们的系统的优点是不太可能需要监管部门的批准，并且可以轻松地与现有的植入系统或医学治疗一起使用。

Kavehei博士及其团队开发的算法可以为每位患者生成优化的功能。他们使用所谓的“卷积神经网络”来进行此操作，该网络非常适合根据脑电图读数注意到大脑活动的变化。

正在开发的其他技术通常需要手术植入或依赖于每个患者的高水平特征工程。这样的工程需要专家为每个预测任务开发优化的功能。

Kavehei博士的方法的优势在于，该系统可以随着大脑模式的变化而学习，从而需要最少的特征工程。这样可以更快，更频繁地更新信息，从而使患者从癫痫发作预测算法中获得最大收益。

该团队的下一步是将神经网络应用于更大的癫痫发作信息数据集，从而提高敏感性。他们还计划与悉尼大学Westmead医学园区的合作伙伴一起开发物理原型，以对该系统进行临床测试。

在癫痫发作之前的30至5分钟之间将触发警报，使患者有时间找到安全的地方，减轻压力或采取干预措施来预防或控制癫痫发作。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！