S'abonner

Electroencephalographic staging of hepatic encephalopathy by an artificial neural network and an expert system - 16/09/23

Stadification électroencéphalographique de l'encéphalopathie hépatique au moyen d'un réseau de neurones artificiel et d'un système expert

Doi : 10.1016/j.neucli.2005.12.003 
A. Pellegrini a, E. Ubiali b, R. Orsato c, S. Schiff a, A. Gatta a, A. Castellaro c, A. Casagrande c, P. Amodio a,
a Clinica Medica 5, Università di Padova, Viale Giustiniani 2, 35128 Padova, Italy 
b Ospedali Riuniti di Bergamo, Bergamo, Italy 
c Micromed, Mogliano (TV), Italy 

Corresponding author.

Abstract

Aim of the study. – To provide an objective EEG assessment of hepatic encephalopathy (HE), we set up and tested an entirely automatic procedure based on an artificial neural network-expert system software (ANNESS).

Patients and methods. – A training set sample of 50 EEG (group A) and a test sample of 50 EEG (group B) of 100 cirrhotic patients were considered. The EEGs had been visually classified by an expert electroencephalographer, using a modified five-degree Parsons-Simith classification of HE. The efficiency of the ANNESS, trained in group A, was tested in group B.

Results. – Both the ANNESS and the visually-based classifications were found to be correlated to liver insufficiency, as assessed by the Child–Pugh score (Spearman's coefficient ρ=0.485, P<0.0001; ρ=0.489, P<0.0001, respectively) and by the biochemical indexes of hepatic function (bilirubin: ρ=0.31 vs. 0.27; albumin: ρ=–0.13 vs. –0.18; prothrombin time ρ=–0.35 vs. –0.52). The classifications were found to be correlated to each other (ρ=0.84 P<0.0001, Cohen's kappa=0.55). However, the ANNESS overestimated grade 2 EEG alterations.

Conclusion. – An ANNESS-based classification of EEG in HE provided data comparable with a visually-based classification, except for mild alterations (class 2) that tended to be overestimated. Further optimization of automatic EEG staging of HE is desirable, as well as a prospective clinical evaluation.

Le texte complet de cet article est disponible en PDF.

Résumé

Introduction. – En vue de fournir une évaluation objective des altérations EEG de l'encéphalopathie hépatique (EH), nous avons préparé et testé un système d'analyse complètement automatisé fondé sur un programme comprenant un réseau de neurones et un système expert (ANNESS).

Patients et méthodes. – Les EEG de deux groupes de patients cirrhotiques ont été utilisés : un groupe « apprentissage » (group A) et un groupe test (group B), chacun composé de 50 EEG. Les EEG de chaque groupe ont été classifiés en cinq degrés d'altération sur la base de la classification de Parsons-Simith, par un électroencéphalographiste expert. L'efficacité de l'analyse du réseau ANNESS, entraîné par le groupe A, a été testée sur le groupe B.

Résultats. – Les deux classifications, automatique et « visuelle », sont corrélées avec l'état clinique des patients cirrhotiques déterminé par le score de Child–Pugh (ρ de Spearman=0,485, P<0,0001 ; ρ=0,489, P<0,0001 respectivement) ainsi qu'avec les paramètres biochimiques de la fonction hépatique (bilirubine : ρ=0,31 et 0,27 ; albumine : ρ=–0,13 et –0,18 ; temps de prothrombine : ρ=–0,35 et –0,52). Elles sont également corrélées entre elles (ρ=0,84, P<0,0001, kappa de Cohen=0,55), mais le réseau ANNESS a surclassé les altérations de grade deux.

Conclusions. – La classification automatique des EEG de l'EH fondée sur un ANNESS a montré une bonne corrélation avec l'analyse « visuelle » de l'EEG, excepté pour le grade 2 qui a été surestimé. Une amélioration de l'ANNESS est souhaitable ainsi qu'une évaluation de sa valeur par une étude prospective.

Le texte complet de cet article est disponible en PDF.

Keywords : EEG, Hepatic encephalopathy, Automatic classification, Neural network

Mots clés : EEG, Encéphalopathie hépatique, Classification automatique, Réseau neuronal artificiel


Plan


© 2006  Elsevier SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 35 - N° 5-6

P. 162-167 - novembre 2005 Retour au numéro
Article précédent Article précédent
  • Vers une théorie unifiée des symptômes positifs
  • M. Magnin, A. Morel, D. Jeanmonod
| Article suivant Article suivant
  • Electrophysiological characteristics of limbic and motor globus pallidus internus (GPI) neurons in two cases of Lesch–Nyhan syndrome
  • E. Pralong, C. Pollo, P. Coubes, J. Bloch, E. Roulet, M-H. Tétreault, D. Debatisse, J-G. Villemure

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Elsevier s'engage à rendre ses eBooks accessibles et à se conformer aux lois applicables. Compte tenu de notre vaste bibliothèque de titres, il existe des cas où rendre un livre électronique entièrement accessible présente des défis uniques et l'inclusion de fonctionnalités complètes pourrait transformer sa nature au point de ne plus servir son objectif principal ou d'entraîner un fardeau disproportionné pour l'éditeur. Par conséquent, l'accessibilité de cet eBook peut être limitée. Voir plus

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2026 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.