脳波相同期に基づいたオンラインてんかん発作予測のためのファジー推論システムを使用したSOPおよびSPHの最適な選択

抵抗性てんかんの患者の生活条件は、てんかん発作の予測が成功することにより、大幅に改善されます。適切な警告差別的な発作システムは、高精度と低い偽陽性アラームだけでなく、適切な予測時間でも生じる必要があります。この研究では、平均位相コヒーレンスインデックスは、21患者のフライブルクデータセットの違反期間を識別するための信頼できる指標として使用されました。発作をオンラインで予測するために、ENFM（進化するニューロファジーモデル）という名前の適応ニューロファジーモデルを使用して、抽出された特徴を分類しました。ENFMは、2つの時間間隔、発作予測ホライズン（SPH）と発作発生期間（SOP）を特徴とする予測の時間特性に基づいた新しいクラスのラベル付け方法によって訓練され、その後評価方法に適用されます。発作の取り返しのつかない結果を防ぐだけでなく、発作に対処するのに十分な時間を提供する際に、SPHの持続時間を増やすことが患者にとってより有益であることは明らかです。さらに、SOP持続時間の短縮は、SOP間隔での患者のストレスを減らすことができます。これらの2つの理論は、各患者に最適なSOPとSPHを見つけるために、予測結果の感度とFPRを考慮したMamdaniファジー推論システムを設計するように動機付けました。ファジーシステムを最適化するために割り当てられた10患者のデータセット。一方、残りのデータはモデルのテストに使用されました。結果は、平均SOPが6分、平均SPHが27分で平均SPHが最良の結果をもたらしたことを示したため、各患者の約15時間の非純粋な期間が、偽陰性アラームなしでオンラインで予測され、降伏することが示されました。平均100％の感度、1時間あたり0.13 FPR、86.95％の精度、92.5％の精度。

Living conditions of patients with refractory epilepsy will be significantly improved by a successful prediction of epileptic seizures. A proper warning impending seizure system should be resulted not only in high accuracy and low false positive alarms but also in suitable prediction time. In this study, the mean phase coherence index was used as a reliable indicator for identifying the pre-ictal period of 21-patient Freiburg dataset. In order to predict the seizures on-line, an adaptive Neuro-fuzzy model named ENFM (evolving Neuro-fuzzy model) was used to classify the extracted features. The ENFM was trained by a new class labeling method based on the temporal properties of a prediction characterized by two time intervals, seizure prediction horizon (SPH) and seizure occurrence period (SOP), which are subsequently applied in evaluation method. It is evident that increasing the SPH duration can be more beneficial to patients in preventing irreparable consequences of the seizure, as well as providing adequate time to deal with the seizure. In addition, a reduction in SOP duration can reduce the patient's stress in SOP interval. These two theories motivated us to design Mamdani fuzzy inference system considering sensitivity and FPR of the prediction result in order to find optimal SOP and SPH for each patient. 10-patient dataset assigned for optimizing the fuzzy system, while the rest of data was used to test the model. The results showed that mean SOP by 6 min and mean SPH by 27 min provided the best outcome, so that last seizure as well as about 15-h inter-ictal period of each patient were predicted on-line without false negative alarms, yielding on average 100% sensitivity, 0.13 per hour FPR, 86.95% precision and 92.5% accuracy.