RT期刊文章SR电子T1的专家级的发展在脑电图癫痫发作和节奏和周期模式分类解释乔摩根富林明神经病学神经病学FD Lippincott Williams &威尔金斯10.1212 SP / WNL。首页0000000000207127 10.1212 / WNL。0000000000207127 A1金晶A1 Wendong Ge A1申香港A1 Marta盒饭费尔南德斯A1甄林A1 Chaoqi杨A1 Sungtae A1亚伦·了A1艾琳Herlopian A1 Ioannis卡拉奇A1乔纳森·j·哈尔福德A1马库斯·c·Ng A1艾米丽·l·约翰逊A1布莱恩·l·Appavu A1王妃a Sarkis A1 Gamaleldin奥斯曼A1彼得·w·卡普兰A1莫妮卡b Dhakar A1 Lakshman Arcot Jayagopal A1 Zubeda酋长A1奥尔加Taraschenko A1莎拉·施密特A1 Hiba a海德尔A1詹妮弗·a . Kim A1 Christa b史伟莎A1尼古拉斯A1 Mackenzie c . Cervenka A1安德烈斯加斯帕德a·罗德里格斯Ruiz A1 Jong吸引李A1穆罕默德Tabaeizadeh A1艾米丽·j·吉尔摩A1克里斯蒂Nordstrom A1霁Yeoun Yoo A1 Manisha g .福尔摩斯A1 Jay主管苏珊·赫尔曼A1珍妮弗·a·威廉姆斯A1 A1法比奥·a·Nascimento A1紫薇风扇A1 Samaneh Nasiri A1 Mouhsin m .戴尔A1悉尼美国现金A1丹尼尔·b·霍克A1安德鲁·j·科尔A1埃里克·s·罗森塔尔A1萨哈尔f .征服者A1冀萌当初太阳A1布兰登·m·威斯多佛年2023 UL //www.ez-admanager.com/content/early/2023/03/06/WNL.0000000000207127.abstract AB背景和目标:癫痫和其他seizure-like的大脑活动模式会伤害大脑,导致住院死亡,特别是长时间。首页然而,专家资格解释脑电图(EEG)数据稀缺。之前试图自动化这个任务已经被小有限或标记样本不足和没有令人信服地证明可概括的专家提供的性能。存在一个重要的未满足的需要自动分类方法发作和其他seizure-like事件的专家级的可靠性。本研究进行开发和验证一个相匹配的计算机算法的可靠性和准确性的专家确定癫痫发作和seizure-like事件,被称为“ictal-interictal-injury-continuum”脑电图(IIIC)模式,包括癫痫(深圳),单侧性的和广义周期放电(LPD加仑日)和单侧性的广义节奏三角洲活动(LRDA GRDA)和non-IIIC区分这些模式的模式。方法:我们使用了6095头皮脑电图从2711年患者和没有IIIC事件深层神经网络训练,SPaRCNet执行IIIC事件分类。从50697年独立训练和测试数据集的生成脑电图段,独立带注释的20训练神经。我们评估是否SPaRCNet执行以上敏感性,特异性,精度,校正训练神经识别IIIC事件。通过标定指数统计性能进行评估,通过专家的操作点的百分比低于模型的接受者操作特征曲线(ROC)和精密召回曲线(PRC) 6模式类。结果:SPaRCNet匹配或超过大多数的专家分类IIIC事件指标根据校准和歧视。深圳,LPD加仑日、LRDA GRDA,和“其他”类,SPaRCNet超过以下20专家——中华民国的百分比:45%,20%,50%,75%,55%,40%; PRC: 50%, 35%, 50%, 90%, 70%, 45%; and calibration: 95%, 100%, 95%, 100%, 100%, 80%, respectively.Discussion: SPaRCNet is the first algorithm to match expert performance in detecting seizures and other seizure-like events in a representative sample of EEGs. With further development, SPaRCNet may thus be a valuable tool for expedited review of EEGs.