% 0期刊文章% Jing,金%通用电气,Wendong %香港,申达%费尔南德斯,玛尔塔盒饭%林,甄%杨,Chaoqi %一个,Sungtae %了,亚伦f % Herlopian,艾琳%卡拉奇,哈尔福德Ioannis %,乔纳森•j . % Ng马库斯c %约翰逊,艾米丽·l . % Appavu,布莱恩·l·% Sarkis博士,王妃A %奥斯曼,Gamaleldin %卡普兰,彼得·w·% Dhakar,莫妮卡b % Jayagopal, Lakshman Arcot %酋长,Zubeda % Taraschenko,奥尔加%施密特,莎拉%海德尔,Hiba A %金,詹妮弗·A . %一个衣着时髦的,Christa b . %,加斯帕德尼古拉斯% Cervenka,罗德里格斯Ruiz Mackenzie c . %, Andres A . % Lee Jong吸引% Tabaeizadeh,默罕默德·吉尔摩%,艾米丽•j . % Nordstrom克里斯蒂%柳,霁Yeoun %福尔摩斯,Manisha赫尔曼·g . %,苏珊·威廉姆斯%,珍妮弗·A . %一个主管Jay % Nascimento,法比奥·A . %的粉丝,紫薇% Nasiri, Samaneh %戴尔,Mouhsin m %现金,悉尼s % -霍克,Daniel b %科尔,安德鲁•j . %罗森塔尔Eric s %征服者,萨哈尔f %太阳,威斯多佛冀萌当初%,M. Brandon %T脑电图解释中癫痫发作和节律性和周期性模式的专家级分类发展%D 2023 %R 10.1212/WNL。0000000000207127 %J神半岛投注体育官网经学%P 10.1212/WNL。0000000000207127% X背景和目标:癫痫发作和其他类似癫痫发作的大脑活动模式可损害大脑，并导致住院死亡，特别是当时间延长时。然而，有资格解释脑电图(EEG)数据的专家很少。以前自动化这项任务的尝试受到了小样本或标记不充分样本的限制，并且没有令人信服地证明可推广的专家级性能。对于一种自动化方法，以专家级可靠性对癫痫发作和其他癫痫样事件进行分类，目前存在一个关键的未满足的需求。本研究旨在开发和验证一种计算机算法，该算法与专家识别癫痫发作和癫痫样事件的可靠性和准确性相匹配，被称为EEG上的“发作-间期-损伤-连续”(IIIC)模式，包括癫痫发作(SZ)、偏侧性和广泛性周期性放电(LPD, GPD)和偏侧性和广泛性节律δ活动(LRDA, GRDA)，以及区分这些模式与非IIIC模式。方法:我们使用来自2711名有和没有IIIC事件的患者的6095个头皮脑电图来训练深度神经网络SPaRCNet来进行IIIC事件分类。独立训练和测试数据集由50,697个脑电图片段生成，由20名研究培训的神经生理学家独立注释。我们评估了SPaRCNet在识别IIIC事件方面的表现是否达到或超过奖学金培训的神经生理学家的敏感性、特异性、精确性和校准。 Statistical performance was assessed via the calibration index, and by the percentage of experts whose operating points were below the model’s receiver operating characteristic curves (ROC) and precision recall curves (PRC) for the 6 pattern classes.Results: SPaRCNet matches or exceeds most experts in classifying IIIC events based on both calibration and discrimination metrics. For SZ, LPD, GPD, LRDA, GRDA, and “Other” classes, SPaRCNet exceeds the following percentages of 20 experts – ROC: 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. %U //www.ebmtp.com/content/neurology/early/2023/03/06/WNL.0000000000207127.full.pdf