Keuntungan:
- Keupayaan untuk mencipta aliran kerja kecerdasan buatan dalam penyingkiran artifak, pengesanan peristiwa dan pengekstrakan ciri dalam rakaman EEG
- Keupayaan untuk mengenali kesan nisbah isyarat-ke-bunyi rendah EEG dan kebolehubahan yang tinggi pada pengesahan
- Keupayaan untuk menerangkan bahawa output AI isyarat neuro harus diuji dengan kelulusan pakar neurofisiologi klinikal
Electroencephalography (EEG; English electroencephalography) ialah rakaman aktiviti elektrik otak dengan elektrod diletakkan pada kulit kepala. EEG digunakan dalam pelbagai bidang, daripada diagnosis epilepsi kepada peringkat tidur, daripada pemantauan rawatan rapi kepada antara muka otak-komputer. Tetapi ia adalah isyarat yang jauh lebih mencabar daripada ECG: amplitudnya adalah mengikut susunan mikrovolt (sepersejuta volt), bermakna ia hampir sekecil bunyi. Nisbah isyarat kepada hingar yang rendah ini (pendek kata SNR; kekuatan relatif isyarat berguna kepada hingar) menjadikan EEG menarik dan berbahaya untuk kecerdasan buatan. Dalam unit ini, kita akan melihat aliran kerja EEG, masalah artifak, dan sebab kelulusan ahli neurofisiologi amat diperlukan.
Mari kita nyatakan dari awal: model EEG mungkin mengatakan "kejang boleh berlaku"; Tetapi diagnosis epilepsi dan tafsiran sawan adalah milik ahli neurofisiologi klinikal. Kecerdasan buatan tidak mendiagnosis.
Rantaian Pemprosesan EEG
Langkah 1 - Pendaftaran dan perhimpunan. EEG adalah berbilang saluran (biasanya 19-256 elektrod). Penempatan elektrod dilakukan mengikut susunan standard antarabangsa (sistem 10-20). Isyarat dibaca relatif kepada elektrod rujukan; Pilihan pelekap mempengaruhi tafsiran.
Langkah 2 - Pengekstrakan artifak. Sumber pencemar EEG adalah banyak: berkelip dan pergerakan mata, aktiviti otot (terutamanya rahang dan leher), degupan jantung, berpeluh, sentuhan elektrod, dan gangguan grid. Artifak ini boleh meniru gelombang otak sebenar. Kecerdasan buatan membantu dalam membersihkan segmen artifak melalui kaedah seperti penandaan dan analisis komponen bebas.
Langkah 3 — Pengekstrakan ciri. EEG biasanya dibahagikan kepada jalur frekuensi: delta (perlahan, tidur dalam), theta, alpha (rehat), beta (perhatian terjaga), dan gamma. Kekuatan jalur, ukuran ketersambungan dan tindak balas berkaitan peristiwa digunakan sebagai ciri.
Langkah 4 — Pengesanan/pengkelasan insiden. Model ini mencadangkan peristiwa seperti aktiviti sawan, pelepasan gelombang spike, atau fasa tidur. Output adalah tanda masa dan teg.
Langkah 5 — Penilaian pakar. Tanda-tanda dibentangkan kepada ahli neurofisiologi klinikal; Pakar mengesahkan, membetulkan atau menolak. Komen adalah untuk yang pakar.
Mengapa Pengesahan EEG Sangat Sukar?
Tiga sebab menjadikan EEG sangat rapuh. Pertama, SNR rendah: isyarat sebenar tersembunyi dalam hingar, model dengan mudah boleh tersilap bunyi sebagai corak. Kedua, kebolehubahan yang tinggi: walaupun EEG orang yang sama berbeza-beza mengikut kewaspadaan, ubat-ubatan dan umur; Perbezaan antara individu adalah lebih besar. Ketiga, ketidakpastian rujukan: walaupun pakar tidak selalu bersetuju dengan penandaan "standard emas" kejadian seperti sawan (kebolehubahan antara pemerhati). Apabila ketiga-tiga ini digabungkan, corak EEG yang kelihatan mengagumkan di makmal mudah runtuh di klinik sebenar.
Tiga Kes Mini: Mengikut Nombor
Kes 1 — Berkelip meniru sawan. Model pengesanan sawan mengandaikan mata berirama berkedip sebagai pancang dan gelombang di kawasan hadapan pada pesakit kanak-kanak, menghasilkan beberapa isyarat palsu seminit. Pakar melihat bahawa tanda bertindih dengan saluran mata dan memisahkan artifak. Model menghasilkan tanda, pakar mengekstrak realiti.
Kes 2 — Penjimatan masa dalam pementasan tidur. Makmal tidur rakaman secara manual berperingkat dalam segmen 30 saat sepanjang malam; Lebih kurang 2 jam setiap rakaman. Prapementasan AI dikurangkan masa ini kepada 35 minit; juruteknik hanya memeriksa kepingan dan peralihan yang model itu tidak jelas. Pakar meluluskan laporan pementasan akhir.
Kes 3 — Penurunan dalam pengesahan luaran. Model pengesanan sawan menunjukkan sensitiviti 90% di pusat tempat ia dibangunkan; Ia menurun kepada 68% dalam data yang dikumpul oleh hospital yang berbeza dengan elektrod dan peranti rakaman yang berbeza. Bilangan elektrod, kadar pensampelan dan profil pesakit berbeza. Model itu tidak boleh dianggap boleh dipercayai sehingga ia telah disahkan semula dalam setiap persekitaran di mana ia akan digunakan.
Gesaan Lemah / Gesaan Kuat
Nota: Gesaan berikut membantu dalam mengedit laporan/teks ciri EEG; Tafsiran EEG mentah ialah kerja perisian dan ahli neurofisiologi yang disahkan.
Gesaan yang lemah:
Adakah terdapat epilepsi dalam EEG ini?[ciri]
Gesaan kuat:
Peranan anda: Anda adalah pembantu analisis isyarat neuro (ANDA BUKAN DIAGNOSIS). Nilaikan ciri ringkasan EEG tanpa nama berikut: - Jadualkan kekuatan jalur dan isyarat peristiwa, tafsirkannya, tetapi jangan buat diagnosis. - Untuk setiap tanda acara, "bolehkah ada artifak?" tambah lajur (mata/otot/grid).- Tulis kekaburan dengan jelas; tambah amaran SNR rendah.- Akhir sekali senaraikan 3 perkara yang perlu disahkan oleh pakar neurofisiologi dalam rakaman mentah. Ciri tanpa nama:[kekuatan jalur, cap masa acara, maklumat saluran]
Empat Templat Boleh Disalin
1) Ringkasan kekuatan band:
Jadualkan kuasa jalur EEG berikut (delta, theta, alpha, beta) dan nilaikan kebolehpercayaannya dengan keadaan terjaga. Jangan diagnosis. Data: [nilai]
2) Semakan kemungkinan artifak:
Untuk setiap tanda kejadian ini, tandakan kemungkinan artifak mata/otot/rangkaian sebagai rendah/sederhana/tinggi dan tulis rasional anda. Tanda-tanda: [senarai]
3) QC pementasan tidur:
Tandakan peralihan yang tiba-tiba/tidak mungkin (mis. lompat dari REM ke tidur nyenyak) dalam output pementasan tidur AI di bawah; Senaraikan kepingan yang memerlukan kawalan juruteknik.Output: [pementasan]
4) Pelan pengesahan luaran:
Tulis draf pelan pengesahan luaran untuk model pengesanan peristiwa EEG: bilangan peranti/elektrod yang berbeza, perjanjian antara pemerhati (kappa), SNR dan ujian artifak. Tandakan titik pengesahan individu.
Peranan Model: Mengikut Jenis Tugas
Jenis tugas
Sumbangan AI
kritikal
pengesahan
Penandaan artifak
tinggi
rendah
Kajian pakar
Pengekstrakan jalur/ciri
tinggi
sederhana
kebolehpercayaan fisiologi
Kerja awal pementasan tidur
tinggi
sederhana
Kelulusan pakar
Pengesanan pra-rampasan
sederhana
tinggi
Pakar neurofisiologi + rakaman mentah
keputusan diagnostik
terhad
sangat tinggi
Kelulusan pakar penuh
Petua: Sebelum bergantung pada tandatangan corak dalam EEG, semak pertindihan temporal isyarat itu dengan saluran mata dan otot. Kebanyakan aktiviti yang kelihatan seperti sawan sebenarnya adalah artifak biologi.
Awas: Apabila model EEG dilatih mengenai data yang dikumpul daripada sebilangan kecil pesakit, model tersebut terlalu sesuai (menghafal) corak khusus individu dan ranap pada pesakit baharu. Prestasi makmal yang tinggi bukan jaminan kejayaan klinikal sebenar; pengesahan luaran adalah penting.
Kesilapan biasa
- Menganggap artifak sebagai isyarat otak. Berkelip mata dan aktiviti otot meniru sawan; Pertindihan saluran hendaklah diperiksa.
- Mengabaikan SNR rendah. Isyarat lemah dalam bunyi bising dengan mudah mengelirukan model.
- Pengesahan dalam satu pusat. Susun atur peranti dan elektrod yang berbeza mengurangkan prestasi.
- Mengabaikan kebolehubahan antara pemerhati. Metrik model mengelirukan jika rujukan itu sendiri tidak jelas.
- Menghapuskan pakar. Tanda-tanda adalah sokongan; Tafsiran sawan dan diagnosis adalah milik pakar.
Secara ringkasnya
- EEG ialah isyarat mikrovolt berbilang saluran dengan SNR rendah; Ia sangat terdedah kepada artifak.
- Aliran kerja terdiri daripada pemasangan, pengekstrakan artifak, pengekstrakan ciri dan pengesanan peristiwa.
- SNR yang rendah, kebolehubahan yang tinggi dan ketidakpastian rujukan menjadikan pengesahan amat sukar.
- Model hendaklah disahkan semula dalam setiap peranti dan populasi yang akan digunakan.
- Sawan dan tafsiran diagnostik tergolong dalam ahli neurofisiologi klinikal; AI tidak mendiagnosis.
Tugasan permohonan
Pilih senario pengesanan peristiwa EEG hipotetikal (cth. pra-pengesanan sawan). Senaraikan lima tandatangan acara yang dihasilkan oleh model dan tanyakan setiap satu, "bolehkah ini artifak?" isi ruangan (mata/otot/grid/nyata). Kemudian tulis tiga item pelan pengesahan luaran untuk model ini dan tandakan dengan jelas titik di mana pakar membuat keputusan muktamad.
senarai semak
- [ ] Saya tahu bahawa EEG ialah isyarat SNR rendah, berbilang saluran dan terdedah kepada artifak.
- [ ] Saya memahami pemasangan, pengekstrakan artifak, ciri dan langkah pengesanan peristiwa aliran kerja.
- [ ] Saya dapat melihat bahawa artifak meniru peristiwa dan menggunakan kawalan pertindihan saluran.
- [ ] Saya faham sebab pengesahan luaran adalah penting dan saya faham kebolehubahan antara pemerhati.
- [ ] Saya telah memahami bahawa tafsiran sawan dan diagnosis kekal dengan pakar.