Spike detection algorithm automatically adapted to individual patients applied to spike and wave percentage quantification - 25/05/09
Un algorithme de détection de pointes automatiquement adapté pour chaque patient appliqué à la quantification du pourcentage de pointes–ondes
, M. Foulon b, D. Verheulpen b, c, C. De Cock b, M. Buzatu c, P. Mathys a, P. Van Bogaert c
Corresponding author.Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
| pages | 9 |
| Iconographies | 3 |
| Vidéos | 0 |
| Autres | 0 |
Summary |
Objective |
To report an innovative spike detection algorithm that tailors its detection to the patient. Interictal epileptiform activity quantification was accomplished in the setting of epileptic syndromes with continuous spike and waves during slow sleep, which is a time-consuming task for the EEG analysis.
Methods |
The algorithm works in three steps. Firstly, a first spike detection is made with generic parameters. Secondly, the detected spikes are used to tailor the detection algorithm to the patient; and thirdly, the resulting patient-specific detection algorithm is used to analyze individual patient with high-quality detection. Therefore, the algorithm produces a patient-specific template —hence exhibiting improved performance metrics, without the need of a priori knowledge from the experts.
Results |
The system was first evaluated for EEG of three patients, against the scoring of three EEG experts, demonstrating similar performance. Later, it was evaluated against the spike and wave percentage evaluation of another expert for 17 additional records. The difference between the two evaluations was 4.4% on average, which is almost the same as the interexpert difference (4.7%).
Conclusions |
We designed a fully automated and efficient spike detection algorithm, which is liable to trim down the specialist’s diagnostic time.
Le texte complet de cet article est disponible en PDF.Résumé |
Objectifs |
Communiquer un algorithme novateur de détection de pointes dont la détection s’adapte au patient. La quantification de l’activité épileptiforme interictale a été effectuée dans le cadre de l’épilepsie avec pointes–ondes continues du sommeil (POCS), une tâche demandant beaucoup de temps dans l’analyse d’un EEG.
Méthodes |
L’algorithme fonctionne en trois étapes. Premièrement, une première détection de pointes est réalisée avec des paramètres génériques. Deuxièmement, les pointes détectées sont utilisées pour adapter l’algorithme de détection au patient. Troisièmement, l’algorithme résultant spécifique au patient est utilisé pour analyser chaque patient avec une grande qualité de détection. Par conséquent, l’algorithme met au point un gabarit spécifique au patient – de ce fait présentant des performances améliorées – sans avoir recours à des informations préalables des experts.
Résultats |
Le système a d’abord été évalué sur l’EEG de trois patients par rapport au scorage de trois experts en EEG, montrant des performances similaires à ces derniers. Par la suite, il a été évalué par rapport à l’évaluation du pourcentage de pointes–ondes d’un autre expert sur 17 enregistrements supplémentaires. La différence entre leurs deux évaluations était de 4,4 % en moyenne, ce qui est très similaire à la différence interexperts (4,7 %).
Conclusions |
Nous avons mis au point un algorithme efficace et totalement automatique de détection de pointes EEG, permettant de réduire le temps de diagnostic du spécialiste.
Le texte complet de cet article est disponible en PDF.Keywords : Epilepsy, Continuous spike and waves during slow sleep, Template matching, Self-organized learning, Fully automated system
Mots clés : Épilepsie, Pointes–ondes continues du sommeil, Template matching, Apprentissage autonome, Système entièrement automatisé
Plan
 | A brief version of our work has been previously presented in two conferences: (1) Nonclercq A., Verheulpen D., De Cock C., Mathys P., Foulon M. A new spike-wave detection algorithm showing high sensitivity, low false positive rate and reduced computing time permits a good detection of electrical status epilepticus during slow sleep (ESES) (abstract). Proceedings of the 26th Int. International Epilepsy Congress 2005, Paris, France. (2) Nonclercq A., Verheulpen D., De Cock C., Mathys P., Foulon M. A new, simultaneously objective and patient-specific, spike and wave detection algorithm based on template matching [abstract]. Proceedings of the 7th Int. European Epilepsy Congress 2006, Helsinki, Finland. |
Vol 39 - N° 2
P. 123-131 - avril 2009 Retour au numéro
Article précédent
- Asymmetric POSTS associated with unilateral EEG abnormalities
- S. Aybek, M. Maeder-Ingvar, P.-A. Despland, A.-O. Rossetti
- Links between the number of sleep ultradian cycles and REMS duration: Confirmation in rats
- O. Le Bon, A. Ocampo-Garces, D. Neu, E. Vivaldi
Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.
Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.
Déjà abonné à cette revue ?