Kasu:
- Võimalus luua tehisintellekti töövoogu artefaktide eemaldamisel, sündmuste tuvastamisel ja funktsioonide eraldamisel EEG-salvestustest
- Võimalus ära tunda EEG madala signaali-müra suhte ja suure varieeruvuse mõju kontrollimisele
- Oskus selgitada, et neurosignaali AI väljundeid tuleks testida kliinilise neurofüsioloogi heakskiidul
Elektroentsefalograafia (EEG; inglise electroencephalography) on aju elektrilise aktiivsuse registreerimine peanahale asetatud elektroodidega. EEG-d kasutatakse paljudes valdkondades, alates epilepsia diagnoosimisest kuni une määramiseni, alates intensiivravi jälgimisest kuni aju-arvuti liidesteni. Kuid see on palju keerulisem signaal kui EKG: selle amplituud on suurusjärgus mikrovolti (üks miljondik volti), mis tähendab, et see on peaaegu sama väike kui müra. See madal signaali-müra suhe (lühidalt SNR; kasuliku signaali suhteline tugevus müra suhtes) muudab EEG tehisintellekti jaoks nii atraktiivseks kui ka ohtlikuks. Selles üksuses näeme EEG töövoogu, artefaktide probleemi ja seda, miks on neurofüsioloogi heakskiit hädavajalik.
Ütleme algusest peale: EEG-mudel võib öelda "kramp on võimalik"; Kuid epilepsia diagnoos ja krambihoogude tõlgendamine kuuluvad kliinilise neurofüsioloogi pädevusse. Tehisintellekt ei pane diagnoosi.
EEG töötlemisahel
1. etapp – registreerimine ja kokkupanek. EEG on mitme kanaliga (tavaliselt 19-256 elektroodi). Elektroodide paigutus toimub rahvusvahelise standardtellimuse järgi (10-20 süsteem). Signaale loetakse võrdluselektroodide suhtes; Paigaldusvalik mõjutab tõlgendamist.
2. etapp – artefakti ekstraheerimine. EEG saasteainete allikaid on ohtralt: pilgutamine ja silmade liikumine, lihaste aktiivsus (eriti lõualuu ja kael), südamelöögid, higistamine, elektroodide kontakt ja võrguhäired. Need artefaktid võivad jäljendada tõelisi ajulaineid. Tehisintellekt aitab puhastada kunstlikke segmente selliste meetodite abil nagu märgistamine ja sõltumatu komponentide analüüs.
3. samm – funktsioonide eraldamine. EEG jaguneb tavaliselt sagedusaladeks: delta (aeglane, sügav uni), teeta, alfa (puhkus), beeta (ärkvel tähelepanu) ja gamma. Funktsioonidena kasutatakse ribatugevusi, ühenduvusnäitajaid ja sündmustega seotud vastuseid.
4. etapp – vahejuhtumi avastamine/klassifikatsioon. Mudel viitab sellistele sündmustele nagu krambihoogude aktiivsus, spike-laine eritumine või unefaas. Väljund on ajatempliga märgid ja sildid.
5. samm – eksperthinnang. Märgid esitatakse kliinilisele neurofüsioloogile; Ekspert kinnitab, parandab või lükkab ümber. Kommentaar on asjatundjale.
Miks on EEG kontrollimine nii keeruline?
Kolm põhjust muudavad EEG eriti hapraks. Esiteks madal SNR: tegelik signaal on müras peidus, mudel võib kergesti segi ajada müra mustriga. Teiseks suur varieeruvus: isegi sama inimese EEG varieerub sõltuvalt erksusest, ravimitest ja vanusest; Erinevus üksikisikute vahel on veelgi suurem. Kolmandaks, võrdluse ebakindlus: isegi eksperdid ei ole alati ühel meelel selliste sündmuste nagu krambihoogude "kuldstandardi" märgistamises (vaatlejatevaheline varieeruvus). Kui need kolm kombineerida, kukub laboris muljetavaldav EEG muster päriskliinikus kergesti kokku.
Kolm miniümbrist: numbrite järgi
Juhtum 1 – vilkumine matkis krambihoogu. Krambihoogude tuvastamise mudel avastas lapspatsiendi eesmise piirkonna rütmilisi silmapilgutusi naelu ja laineid, andes mitu valesignaali minutis. Spetsialist nägi, et jäljed kattuvad silmakanalitega ja eraldasid artefakti. Modell valmistas märgi, ekspert eraldas tegelikkuse.
Juhtum 2 – aja kokkuhoid unerežiimis. Unelabor 30-sekundiliste lõikudena käsitsi faasitud salvestused kogu öö jooksul; Umbes 2 tundi salvestuse kohta. AI eellavastamine vähendas seda aega 35 minutini; tehnik uuris ainult lõike ja üleminekuid, mis mudelil selgusetuks jäid. Spetsialist kinnitas lavastuse lõpparuande.
Juhtum 3 – välise valideerimise tagasilükkamine. Krambihoogude tuvastamise mudel näitas selle väljatöötamise keskuses 90% tundlikkust; Erineva elektroodi ja salvestusseadmega erineva haigla kogutud andmetes vähenes see 68%-ni. Elektroodide arv, proovivõtu sagedus ja patsiendi profiil erinesid. Mudelit ei saa pidada usaldusväärseks enne, kui see oli uuesti kinnitatud igas keskkonnas, kus seda kasutatakse.
Nõrk viip / Tugev viip
Märkus. Järgmised juhised on abiks EEG aruande/funktsiooni teksti redigeerimisel; Toores EEG tõlgendamine on kontrollitud tarkvara ja neurofüsioloogi töö.
Nõrk viip:
Kas selles EEG-s on epilepsia? [omadused]
Võimas viip:
Teie roll: olete neurosignaali analüüsi assistent (TE EI OLE DIAGNOOS). Hinnake järgmisi anonüümseid EEG kokkuvõtte funktsioone: - Tabelistage ribade tugevused ja sündmuste signaalid, tõlgendage neid, kuid ärge diagnoosige. - Iga sündmuse märgi kohta "kas võib olla artefakt?" lisa veerg (silm/lihas/võre).- Kirjuta ebaselgused selgelt; lisage madala SNR-i hoiatus.- Lõpuks loetlege 3 punkti, mida neurofüsioloog peaks töötlemata salvestuses kinnitama.Anonüümsed funktsioonid: [ribatugevused, sündmuste ajatemplid, kanali teave]
Neli kopeeritavat malli
1) Riba tugevuse kokkuvõte:
Tabelistage järgmised EEG ribade võimsused (delta, teeta, alfa, beeta) ja hinnake nende usutavust ärkvelolekus. Ärge diagnoosige. Andmed: [väärtused]
2) Artefaktide võimalikkuse kontroll:
Kõigi nende esinemismärkide puhul märkige silma/lihase/võrgu artefakti tõenäosuseks madal/keskmine/kõrge ja kirjutage oma põhjendus. Märgid: [nimekiri]
3) Unerežiimi QC:
Märkige äkilised/ebatõenäolised üleminekud (nt hüppamine REM-režiimist sügavasse unne) allolevas tehisintellekti une faasimise väljundis; Loetlege lõigud, mis vajavad tehniku kontrolli. Väljund: [lavastamine]
4) Väline kinnitusplaan:
Kirjutage EEG sündmuste tuvastamise mudeli välise valideerimisplaani kavand: erinev arv seadmeid/elektroode, interobserveri kokkulepe (kappa), SNR ja artefaktide testid. Märkige üksikud kinnituspunktid.
Modelli roll: ülesande tüübi järgi
Ülesande tüüp
AI panus
kriitilisus
kontrollimine
Artefaktide märgistamine
kõrge
madal
Ekspertide ülevaade
Riba/funktsiooni väljavõte
kõrge
keskmine
füsioloogiline usutavus
Une lavastamise eeltöö
kõrge
keskmine
Ekspertide kinnitus
Krambieelne tuvastamine
keskmine
kõrge
Neurofüsioloog + toorsalvestus
diagnostiline otsus
piiratud
väga kõrge
Täielik ekspertide kinnitus
Näpunäide. Enne EEG-s olevale mustrisignatuurile tuginemist kontrollige selle signaali ajalist kattumist silma- ja lihaskanalitega. Suur osa tegevustest, mis näivad olevat krambid, on tegelikult bioloogiline artefakt.
Ettevaatust. Kui EEG-mudeleid õpetatakse väikese arvu patsientide kohta kogutud andmete põhjal, sobivad need üle (jätavad meelde) individuaalsed mustrid ja jooksevad uued patsiendid kokku. Kõrge laboratoorsed tulemused ei garanteeri tõelist kliinilist edu; väline valideerimine on hädavajalik.
Levinud vead
- Artefakti segi ajusignaaliga. Silmade pilgutamine ja lihaste aktiivsus jäljendavad krambihoogu; Kanalite kattumist tuleks kontrollida.
- Madala SNR-i ignoreerimine. Nõrk mürasignaal eksitab mudelit kergesti.
- Kontrollimine ühes keskuses. Seadmete ja elektroodide erinev paigutus vähendab jõudlust.
- Vaatlejatevahelise varieeruvuse ignoreerimine. Mudeli mõõdikud on eksitavad, kui viide ise on mitmetähenduslik.
- Eksperdi kõrvaldamine. Märgid on toeks; Krambihoogude ja diagnooside tõlgendamine kuulub spetsialisti pädevusse.
Kokkuvõttes
- EEG on madala SNR-iga mitme kanaliga mikrovoldine signaal; See on väga vastuvõtlik artefaktidele.
- Töövoog koosneb kokkupanekust, artefakti eraldamisest, funktsioonide ekstraktimisest ja sündmuste tuvastamisest.
- Madal SNR, suur varieeruvus ja võrdluse määramatus muudavad kontrollimise eriti keeruliseks.
- Mudelid tuleks uuesti valideerida igas seadmes ja populatsioonis, kus neid kasutatakse.
- Krambihoog ja diagnostiline tõlgendus kuuluvad kliinilisele neurofüsioloogile; AI ei diagnoosi.
Rakenduse ülesanne
Valige hüpoteetiline EEG sündmuse tuvastamise stsenaarium (nt krambi eeltuvastus). Loetlege viis sündmuse allkirja, mille mudel toodab, ja küsige igaühe kohta: "Kas see võib olla artefakt?" täitke veerg (silm/lihas/võrk/päris). Seejärel kirjutage selle mudeli jaoks kolm välise valideerimisplaani elementi ja märkige selgelt punkt, kus ekspert teeb lõpliku otsuse.
kontrollnimekiri
- [ ] Tean, et EEG on madala SNR-iga, mitme kanaliga ja artefaktidele kalduv signaal.
- [ ] Sain aru töövoo koostamise, artefaktide eraldamise, funktsioonide ja sündmuste tuvastamise sammudest.
- [ ] Näen, et artefaktid jäljendavad sündmusi ja rakendavad kanalite kattumise juhtimist.
- [ ] Saan aru, miks väline valideerimine on hädavajalik, ja mõistan vaatlejatevahelist varieeruvust.
- [ ] Olen sisendanud, et krambihoogude tõlgendamine ja diagnoosimine jääb spetsialisti hooleks.