НЕЛИНЕЙНАЯ ДИНАМИКА И НЕЙРОНАУКА
Разработка алгоритма детектирования медленной пик-волновой активности при бессудорожных формах эпилепсии
А. С. Белокопытовa,
М. М. Макароваa,
М. И. Саламатинa,
О. М. Редкозубоваb a Национальный исследовательский университет «Высшая школа экономики», Москва, Россия
b Национальный исследовательский университет «Московский институт электронной техники», Россия
Аннотация:
Цель данного исследования заключается в разработке классификатора, способного в режиме реального времени определять типичные абсансы на основе данных электроэнцефалограммы, с использованием модели опорных векторов.
Методы. Для обучения модели опорных векторов использовались участки электроэнцефалограммы, предварительно помеченные специалистом как содержащие типичные абсансы. В качестве признаков для классификации выделены ключевые характеристики, такие как число пересечений нуля, кросс-корреляция между двумя последовательными окнами, спектральная мощность в различных диапазонах частот и среднеквадратическое отклонение мгновенной мощности сигнала.
Результаты. Сформированы обучающая и тестировочная выборки, включающие окна электроэнцефалограммы с различными типами артефактов. Модель опорных векторов была обучена и протестирована, показав высокую эффективность. Разработанный алгоритм может быть интегрирован в мобильное приложение и использован совместно с носимым электроэнцефалографом на сухих электродах для детекции типичных абсансов в режиме реального времени.
Заключение. Результаты исследования подтверждают перспективность применения методов машинного обучения для автоматического детектирования и протоколирования эпилептической активности. Однако для уверенного вывода требуется дальнейшее тестирование на большем объеме данных, включая данные, собранные с использованием беспроводного электроэнцефалографа на сухих электродах. Следующим этапом будет подбор подходящего устройства и создание мобильного приложения для сбора и анализа данных в режиме реального времени.
Ключевые слова:
абсансная эпилепсия, метод опорных векторов, динамический классификатор, электроэнцефалограмма, детектирование в реальном времени, машинное обучение
УДК:
616.853.1
Поступила в редакцию: 13.09.2023
DOI:
10.18500/0869-6632-003088