跳到正文
OpenReview · EEG· Jonathan Dan; Una Pale; Alireza Amirshahi; William Cappelletti; Thorir Mar Ingolfsson; Xiaying Wang; Andrea Cossettini; Adriano Bernini; Luca Benini; Sándor Beniczky; David Atienza; Philippe Ryvlin·· 2024-01-01精选AI 评分78

SzCORE:用于验证基于 EEG 的自动癫痫发作检测算法的癫痫研究社区开源评估框架

SzCORE: A Seizure Community Open-source Research Evaluation framework for the validation of EEG-based automated seizure detection algorithms

AI 导读

基于摘要分析。该研究针对基于 EEG 的自动癫痫发作检测算法验证方式不统一、结果难以综合比较的问题,提出 SzCORE(Seizure Community Open-source Research Evaluation)评估框架,并配套提出基于公开数据集的 10-20 seizure detection benchmark。主要贡献是评估标准化,而非新的癫痫发作检测模型。 技术机制:框架依据既有指南与建议,对数据集、文件格式、EEG 输入内容、癫痫发作标注的输入与输出、交叉验证策略及性能指标提出建议和标准。基准将公开数据集转换为标准化格式,并定义机器学习任务与报告指标,旨在减少数据处理和评估口径差异对算法比较的影响。 验证与资源:作者报告使用该基准评估了一组现有癫痫发作检测算法,以演示其使用方式,并公开提供框架、基准及开源软件库。摘要未列出具体数据集、被试数量、算法名称、指标定义或性能数值,因此尚不能判断不同算法的相对表现,也不能确认其采用的是被试内、跨被试还是其他验证协议。 阅读与复现重点:需核对全文中的数据转换规则、通道与输入要求、事件标注及匹配方式、交叉验证划分和指标计算口径,以及示例算法的运行条件。实验协议、消融及统计信息尚未验证。该工作的直接研究对象是 EEG 癫痫发作检测;评估标准化并不等同于临床有效性已获验证,也不构成其他 BCI 任务有效性的证据。

阅读价值

SzCORE 将 EEG 癫痫发作检测的数据格式、标注、交叉验证与指标纳入统一评估框架,值得用于核对算法间的可比性,但具体协议及临床意义仍需全文验证。

来源:OpenReview · EEG · openreview.net