运动识别技术辅助癫痫诊断
运动识别技术正被用于帮助神经学家研究患者在癫痫发作期间的行为，为患者的癫痫亚型提供线索，并识别需要进一步研究的异常癫痫发作动作。
昆士兰理工大学电气工程与计算机科学学院的博士研究员大卫·艾哈迈特说，30%的人患有抑郁症癫痫对药物没有反应，手术提供了获得癫痫自由的机会。
艾哈迈特说:“对癫痫发作时的运动进行分析，可以为癫痫的焦点可能在哪里提供线索，从而实现成功的手术。”
他说，诊断和定位受癫痫影响的大脑网络涉及:
- 临床病史
- 使用MRI、CT扫描和功能性MRI进行神经成像;
- 一种非侵入性头皮脑电图，将电极应用于患者的头皮来记录大脑电活动病人会被录像24小时
- 外科放置电极的颅内记录方法。
“癫痫有多种类型，它们都有不同的症状。许多形式的癫痫在发作期间都有特定的运动，从而可以了解潜在的网络，”艾哈迈德说。
“癫痫学家经常花大量时间分析视频和脑电图，以解开潜在的癫痫网络。
“需要多年的培训和经验，在缺乏这种专门知识的情况下，拥有客观的定量信息将有助于制定和制定诊断。
“由于脑部手术非常复杂，医生必须能够在手术前准确地确定诱发癫痫的区域。”
艾哈迈德使用的是qut开发的产品人工智能视频分析技术，与昆士兰唯一的三级转诊公共癫痫手术中心Mater Advanced Epilepsy Unit合作，分析39名患者和161例癫痫发作的医院监控视频。
目的是解决用客观和定量的运动分析模拟患者行为的问题。
艾哈迈德说:“我们扩大了研究范围，以确定不符合癫痫-近颞叶和颞外叶癫痫最常见形式的典型特征的异常或不寻常运动。”
“我们训练了这个程序来识别最常见的运动类型，当它发现不符合已知类别的活动时，它会提醒医生这些不寻常的癫痫发作，这可能需要额外的评估。”
Ahmedt先生说，研究的下一阶段是探索可以通过视觉观察到的运动和脑电活动联合学习的方法，以提供癫痫的精确定位。
来自昆士兰科技大学视觉与信号处理学科的项目主管克林顿·福克斯教授说，看到先进的计算机视觉和机器学习算法被用于支持患者的临床评估，这是一个令人兴奋的时刻。
福克斯教授说:“这些技术可用于支持神经科医生识别癫痫的类型，以及更好地了解癫痫发作从发作到终止的时间演变。”
“这项技术也可能在评估更广泛的神经系统疾病方面有用运动中风和痴呆等疾病”，福克斯教授说。
Mater高级癫痫科负责人萨沙·迪奥尼西奥(Sasha Dionisio)博士说，这项研究远远不能取代临床实践的专业知识，而是要承担一个复杂的运动分析领域，以协助癫痫发作的定位。
“一个例子是核磁共振异常和癫痫的情况。有时病变可能是继发于远处的部位，通过仔细分析“符号学”(癫痫发作期间的运动和行为)来了解更广泛的癫痫网络对成功的手术结果至关重要，”Dionisio医生说。
“这项技术是独一无二的，为定义潜在的癫痫网络提供了重要的补充和公正的数据。在通过电生理数据进行癫痫发作检测的时代，这是一个至关重要的补充资源。
“艾哈迈德先生与该领域的专家密切合作癫痫发作符号学和立体脑电图提供了一种替代资源，为癫痫领域的持续重大突破提供了基础。”
参与该项目的其他QUT研究人员还包括Kien Nguyen Thanh博士、Simon Denman博士和Sridha Sridharan教授。
进一步探索
