Demo: Multi-Modal Seizure Prediction System

要約

このデモでは、マルチモーダル センサー ネットワークの恩恵を受け、深層学習 (DL) 技術を利用しててんかん発作を予測する革新的なシステム SeizNet を紹介します。
てんかんは世界中で約 6,500 万人が罹患しており、その多くが薬剤耐性発作を経験しています。
SeizNet は、個人が誤報に惑わされることなく予防措置を講じられるように、高精度のアラートを提供することを目的としています。
SeizNet は、侵襲性 (頭蓋内脳波 (iEEG)) または非侵襲性 (脳波 (EEG) および心電図 (ECG)) センサーを通じて収集されたデータの組み合わせを使用し、リアルタイム推論用に最適化された高度な DL アルゴリズムによって処理されます。
エッジ、プライバシーを確​​保し、データ送信を最小限に抑えます。
SeizNet は、埋め込み型デバイスのサイズとエネルギー制限を維持しながら、発作予測において 97% 以上の精度を達成します。

要約(オリジナル)

This demo presents SeizNet, an innovative system for predicting epileptic seizures benefiting from a multi-modal sensor network and utilizing Deep Learning (DL) techniques. Epilepsy affects approximately 65 million people worldwide, many of whom experience drug-resistant seizures. SeizNet aims at providing highly accurate alerts, allowing individuals to take preventive measures without being disturbed by false alarms. SeizNet uses a combination of data collected through either invasive (intracranial electroencephalogram (iEEG)) or non-invasive (electroencephalogram (EEG) and electrocardiogram (ECG)) sensors, and processed by advanced DL algorithms that are optimized for real-time inference at the edge, ensuring privacy and minimizing data transmission. SeizNet achieves > 97% accuracy in seizure prediction while keeping the size and energy restrictions of an implantable device.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google