fbpx
  • Алгоритм IBM классифицирует 7 видов эпилептических приступов

    IBM нейросеть эпилепсия
    Image Credit: iStock / Steve Debenport

    3,4 миллиона людей в мире страдают эпилепсией. Новый алгоритм разработчиков IBM классифицирует 7 типов судорог, анализируя данные электроэнцефалограммы (ЭЭГ). Он поможет врачам корректировать дозировку лекарств и предупреждать новые приступы у пациентов.

    «Мы надеемся, что автоматическая классификация типов судорог улучшит долгосрочное лечение пациентов, предоставляя возможность своевременной корректировки лекарств и дистанционного мониторинга» — написали исследователи в статье.

    Исследование

    Авторы использовали общедоступный набор данных ЭЭГ TUH EEG Seizure Corpus Университета Темпл, чтобы обучить алгоритмы распознавать приступы. Датасет содержит информацию о 2012 приступах, разделенных по 8 категориям. В одной из категорий было недостаточно данных, поэтому разработчики сузили выборку до 7 типов приступов. Данные были разделены на обучающую, тренировочную и тестовую выборки: 60%, 20% и 20% соответственно.

    Результаты

    Команда протестировала несколько методов классификации — k-Nearest Neighbors (kNN), SGD classifier, XGBoost, AdaBoost и нейросеть ResNet50 (в таблице — CNN) и обнаружила, что лучшие результаты показывает k-NN (алгоритм, который работает по методу k-ближайших соседей). Точность классификации типов судорог составила 0,907. Значит, алгоритм правильно классифицирует приступ в 9 из 10 случаев.

    Сравнение результатов классификации несколькими методами
    Сравнение результатов классификации несколькими методами

    «Насколько нам известно, это первая работа, показывающая, что методы машинного обучения могут быть успешно использованы для автоматической классификации разных типов судорог» — отмечают разработчики.

    Классификация приступов играет решающую роль в лечении пациентов с эпилепсией. Можно использовать разработку IBM для автоматической регистрации типов судорог в цифровых дневниках пациентов. Точная информация в дневниках поможет врачам в эффективной диагностике и мониторинге реакции пациентов на лекарства.