荷兰癫痫临床基金会自动化癫痫发作的检测和诊断

癫痫的诊断和治疗需要训练有素的专家准确识别癫痫发作的体征。这通常是通过回顾脑电图结果和同步视频观察来完成的。

“以这种方式检测癫痫发作具有挑战性，”Kalitzin说。“人类观察者容易疲劳，这可能会导致他们错过癫痫发作。过滤掉不相关的视频数据是很乏味的。这个过程也很昂贵，因为我们专门派了一名训练有素的技术人员来监控每个病人，还有三名神经病学专家来离线审查脑电图和视频数据。”

SEIN试图开发一种系统，可以根据病人视频中的动作自动识别癫痫发作。研究人员还希望使用连续的实时流媒体视频作为输入，使系统能够在发作时提醒护理人员。最后，该小组需要一个集成开发环境，支持从各种来源的图像采集、视频处理、算法开发和统计验证。金宝app

SEIN的研究人员使用MATLAB、Simulink和Com金宝appputer Vision Toolbox™构建了一个系统，通过使用视频数据分析癫痫患者的动作来自动检测癫痫发作。

Kalitzin博士首先把这个项目分成三个部分:图像采集、处理和分析，以及系统输出。这促进了模块化系统设计，使研究人员能够专注于算法开发和各种输入格式和输出选项之间的切换。

该团队使用Simulink和金宝app计算机视觉工具箱从现有的AVI和MPEG文件中获取视频数据，使他们能够从数百个患者视频中测试他们的算法。

癫痫发作的特点是患者的特定类型的运动:肌阵挛发作以单一的抽搐为特征，强直性发作以僵硬为特征，阵挛性发作以重复的、有节奏的抽搐为特征。SEIN的研究人员利用计算机视觉工具箱利用光流技术检测视频序列中的这种运动。

他们使用计算机视觉工具箱的光流块估计速度场，然后在多帧速度场中平均，以减少需要处理的数据量。它们还隔离了正和负速度元素，以避免像素之间的相互抵消。然后，该团队通过处理数千张不同姿势的患者的图像流，改进了这个算法。

在开发出检测癫痫发作的算法后，该团队使用MATLAB、统计学和机器学习工具箱™、图像处理工具箱™和信号处理工具箱™，通过将它们与依赖肌电图、脑电图和视频的方法进行比较，来验证结果。

验证结果然后使用Simulink模型调整算法的灵敏度。金宝app根据应用程序是否用于诊断或实时患者监测，可以增加模型以检测所有癫痫样事件，或减少模型以减少假阳性的数量。

Kalitzin计划通过自动选择感兴趣的区域来增强算法，这将最大限度地减少看护者进入画面造成的误报。SEIN的研究人员还与其他医院合作，使用图像采集工具箱™从网络摄像机获取视频数据，对患者进行自动实时监控。