“MathWorks工具使我们能够集成不同的领域-图像处理，统计分析，设备控制和数值计算。如果我们使用其他工具，将需要更多的时间，或者至少两倍的人力。”
Stiliyan Kalitzin医生，荷兰癫痫诊所基金会
为了诊断癫痫，对癫痫发作进行分类，并确定最合适的治疗方案，医生使用脑电图(EEG)和视觉线索监测患者。然而，这种方法被证明是劳动密集型和昂贵的，需要患者一直连接到脑电图设备和神经科医生监控数小时的录像带。
荷兰癫痫诊所基金会(Stichting Epilepsie Instellingen Nederland或SEIN)的研究人员正在使用MathWorks工具开发一个系统，该系统通过应用先进的神经网络来自动检测癫痫发作视频处理技术。
荷兰癫痫诊所基金会医学物理系主席Stiliyan Kalitzin博士解释说:“我们希望开发一种与患者没有直接联系的自动化或半自动远程系统。”有了MathWorks工具，我们就有了一个单一的平台，可以从多个来源获取视频，开发算法，检测癫痫发作中常见的运动，验证系统，并提供结果。”
诊断和治疗癫痫需要训练有素的专家准确识别癫痫发作的体征。这通常是通过回顾同步视频观察的脑电图结果来完成的。
“以这种方式检测癫痫是具有挑战性的，”Kalitzin说。“人类观察者容易疲劳，这可能导致他们错过癫痫发作。过滤掉不相关的视频数据是很繁琐的。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检查脑电图和离线视频数据。”
SEIN试图开发一种系统，可以根据患者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，使系统能够在癫痫发作时提醒护理人员。最后，该小组需要一个集成的开发环境，支持从各种来源获取图像、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，该系统通过使用视频数据分析癫痫患者的运动来自动检测癫痫发作。
Kalitzin博士首先将该项目分为三个部分: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，并在各种输入格式和输出选项之间切换。
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。
癫痫发作以特定类型的患者运动为特征:肌阵挛性发作以单次抽搐为特征，强直性发作以僵硬为特征，而阵挛性发作以重复的、有节奏的抽搐为特征。SEIN的研究人员使用计算机视觉工具箱使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中的光流块估计速度场，然后在多帧上平均速度场，以减少需要处理的数据量。他们还隔离了正负速度元素，以避免像素之间的相互抵消。然后，该团队通过处理数千个不同位置的患者的图像流来改进该算法。
在开发了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™，通过将它们与依赖于肌电图、脑电图和视频的方法进行比较来验证结果。
然后使用Simulink模型将验证结果用于调整算法的灵敏度。金宝app根据应用程序是否将用于诊断或实时患者监测，该模型可以增加以检测所有癫痫样事件或减少以降低误报的数量。
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因进入框架的看护者造成的误报。SEIN的研究人员还与其他医院合作，利用图像采集工具箱™从网络摄像机获取视频数据，对患者进行自动实时监测。
提高患者安全水平。Kalitzin说:“在测试期间，该系统识别出的癫痫发作比训练有素的神经学家在24小时内最初识别出的癫痫发作多10-25%。”“当只有病人在框架内时，算法本身的准确率约为99%。”
降低成本。“使用MathWorks工具，我们可以自动识别癫痫发作事件，并插入标记，供神经学家进一步检查，”Kalitzin解释说。“我们希望在不增加人手的情况下处理三倍的病人。当用于家庭监测时，新技术将通过消除昂贵的住院和临床观察来进一步降低成本。”
流线型的发展。“MathWorks工具的多功能性使我们能够为整个项目使用一个通用平台，”Kalitzin指出。“如果我们使用其他工具，可能需要更多的时间，或者至少需要两倍的人力。”
カスタマーリファレンスプログラムに参加する
