En studie av påvisning av paroksysmale hendelser ved bruk av datasyn og maskinlæring - Nelli

Automatisert analyse av videoopptak for å oppdage anfall, assistert av moderne metoder for maskinlæring, lover godt å løse dette problemet. Økt beregningskraft har gjort det mulig å implementere komplekse bildegjenkjenningsoppgaver og maskinlæring i daglig bruk. Nelli®-programvaren er utviklet for å bruke datasyn og maskinlæringsbaserte algoritmer for automatisk å oppdage anfallshendelser. Denne studien vil gi bevis for at Nelli-programvaren kan identifisere anfallshendelser og levere objektive data til klinikere for evaluering av anfallshåndtering.

Denne studien blir utført for å validere Nelli-programvarens evne til å identifisere perioder med lyd

/videodata som inneholder opptak av pasienter som opplever anfall (eller anfallslignende hendelser) i hvileperioder. Programvarens ytelse vil bli sammenlignet med gullstandarden, ekspertgjennomgang av video-EEG-data.

Nelli Software vil gjennomgå lyd- og videodataene og uavhengig identifisere hendelser med positive motoriske manifestasjoner. Resultatene av hendelsesidentifikasjon vil bli sammenlignet mellom epileptologer og Nelli-programvaren. For hver kategori av hendelse fanget vil den positive prosentvise overensstemmelsen beregnes ved å bruke den eksakte binomiale metoden. Det primære endepunktet for denne studien er å demonstrere at Nelli er i stand til å identifisere anfall som har en positiv motorisk komponent med en sensitivitet på >70 % (lavere 95 % CI) og med en falsk oppdagelsesrate (FDR) som kan sammenlignes med lignende enheter på marked.