SeizNet: An AI-enabled Implantable Sensor Network System for Seizure Prediction

要約

この論文では、深層学習 (DL) 手法と埋め込み型センサー ネットワークを使用しててんかん発作を予測するための閉ループ システムである SeizNet を紹介します。
一部のてんかん患者（世界中で約 6,500 万人が罹患している）には薬物療法が有効ですが、3 人に 1 人は薬剤耐性てんかんに苦しんでいます。
発作の影響を軽減するために、そのような患者に発作が差し迫っていることを通知し、予防措置を講じることができる予測システムが開発されています。
SeizNet は DL 技術を活用し、複数の記録、特に頭蓋内脳波 (iEEG) センサーと心電図 (ECG) センサーからのデータを結合することで、非常に高いレベルの感度を維持しながら発作予測の特異性を大幅に向上させることができます。
SeizNet DL アルゴリズムは、エッジでの効率的なリアルタイム実行を目的として設計されており、クラウドベースのソリューションに伴うデータ プライバシーの懸念、データ送信のオーバーヘッド、電力効率の低下を最小限に抑えます。
私たちの結果は、SeizNet があらゆる指標において従来の単一モダリティおよび非個別化予測システムを上回っており、発作予測において最大 99% の精度を達成し、難治性てんかん治療に有望な新たな道を提供することを示しています。

要約(オリジナル)

In this paper, we introduce SeizNet, a closed-loop system for predicting epileptic seizures through the use of Deep Learning (DL) method and implantable sensor networks. While pharmacological treatment is effective for some epilepsy patients (with ~65M people affected worldwide), one out of three suffer from drug-resistant epilepsy. To alleviate the impact of seizure, predictive systems have been developed that can notify such patients of an impending seizure, allowing them to take precautionary measures. SeizNet leverages DL techniques and combines data from multiple recordings, specifically intracranial electroencephalogram (iEEG) and electrocardiogram (ECG) sensors, that can significantly improve the specificity of seizure prediction while preserving very high levels of sensitivity. SeizNet DL algorithms are designed for efficient real-time execution at the edge, minimizing data privacy concerns, data transmission overhead, and power inefficiencies associated with cloud-based solutions. Our results indicate that SeizNet outperforms traditional single-modality and non-personalized prediction systems in all metrics, achieving up to 99% accuracy in predicting seizure, offering a promising new avenue in refractory epilepsy treatment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google