StrokeSight：一种基于脑电图和深度学习的新型中风诊断系统
摘要：中风定义为由于脑部血液供应中断而引起的神经系统缺陷。根据世界卫生组织的数据，每年有超过1500万人患中风，其中近70\%的人死亡或永久残疾。为了防止不可逆的脑损伤，有效的治疗必须在一小时内给予。然而，目前诊断中风的黄金标准，即CT和MRI，耗时长、费用高且不便携。脑电图在提供中风生物标志物方面具有廉价且远程可用的优势，但尚不存在利用它们进行诊断的系统。为了解决这个问题，我们开发了StrokeSight，一个创新的开源网络应用程序，可以在不到50秒的时间内使用60秒的脑电图自动提供缺血性和出血性中风的全面诊断和可视化。我们首先计算了132份60秒脑电图读数的平均功率谱密度，然后使用这些数据训练了三个深度神经网络，分别预测中风类型（对照/缺血性/出血性），位置（左侧/右侧半球）和严重程度（小/大），准确率分别为97.5\%、94.4\%和100\%。StrokeSight还实现了一种新的过程，用于可视化中风引起的光谱异常。我们使用方位等距投影和多元样条插值将三维电极重新整形为头形2D平面，然后创建每个频带功率的等高线图，使神经学家可以快速准确地解读脑电图数据。StrokeSight可以作为一种革命性的中风护理解决方案，大大提高中风诊断的速度、成本效益和可访问性，同时允许个性化治疗和解释。
作者：Rohan Kalahasty, Lakshmi Sritan Motati
论文ID：2203.14296
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2022-03-29