An ensemble learning approach to detect epileptic seizures from long intracranial EEG recordings
| Autor: | Jean-Baptiste Schiratti, Jean-Eudes Le Douget, Alexandre Gramfort, Michel Le Van Quyen, Slim Essid |
|---|---|
| Přispěvatelé: | Laboratoire Traitement et Communication de l'Information (LTCI), Institut Mines-Télécom [Paris] (IMT)-Télécom Paris, Institut du Cerveau et de la Moëlle Epinière = Brain and Spine Institute (ICM), Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut National de la Santé et de la Recherche Médicale (INSERM)-CHU Pitié-Salpêtrière [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Télécom ParisTech-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria), Modelling brain structure, function and variability based on high-field MRI data (PARIETAL), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-CHU Pitié-Salpêtrière [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Service NEUROSPIN (NEUROSPIN), Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay |
| Jazyk: | angličtina |
| Rok vydání: | 2018 |
| Předmět: |
Computer science
[SDV]Life Sciences [q-bio] 0206 medical engineering Medically intractable epilepsy Feature extraction 02 engineering and technology Electroencephalography 03 medical and health sciences Epilepsy 0302 clinical medicine Machine learning medicine [STAT.AP]Statistics [stat]/Applications [stat.AP] Intracranial EEG medicine.diagnostic_test business.industry Probabilistic logic Pattern recognition medicine.disease 020601 biomedical engineering Ensemble learning Intracranial eeg [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation Epilepsy and seizures Support vector machine Artificial intelligence business Classifier (UML) 030217 neurology & neurosurgery |
| Zdroj: | ICASSP 2018-2018 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP ICASSP 2018-2018 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP, Apr 2018, Calgary, Canada International Conference on Acoustics, Speech, and Signal Processing International Conference on Acoustics, Speech, and Signal Processing, Apr 2018, Calgary, Canada ICASSP |
| Popis: | International audience; This paper proposes a patient-specific supervised classification algorithm to detect seizures in long offline intracranial electroencephalographic (iEEG) recordings. The main idea of the proposed algorithm is to combine a set of probabilistic classifiers, trained on a dataset of 1 s epochs, into a weighted ensemble classifier which can be used to analyze longer 5 s data segments. The method is trained and evaluated on 24 patients , all suffering from focal medically intractable epilepsy, from the Epilepsiae database. The evaluation of the method, conducted using an average of 113 hours (min: 32 h, max: 229 h) of iEEG data per patient, shows that the proposed algorithm improves upon existing methods for seizure detection with iEEG. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|