Un algorithme qui peut aider à décoder les scintigraphies cérébrales pour identifier l’occurrence et le type d’épilepsie

Pour développer et former l’algorithme, les chercheurs ont examiné les données EEG de 88 sujets humains. L’équipe a ensuite analysé les données et classé différents modèles d’ondes en signaux aigus, pointes et ondes lentes.

Pour développer et former l’algorithme, les chercheurs ont examiné les données EEG de 88 sujets humains. L’équipe a ensuite analysé les données et classé différents modèles d’ondes en signaux aigus, pointes et ondes lentes.

Des chercheurs de l’Indian Institute of Science (IISc), en collaboration avec AIIMS Rishikesh, ont développé un algorithme qui peut aider à décoder les scintigraphies cérébrales pour identifier l’occurrence et le type d’épilepsie.

L’épilepsie est une maladie neurologique dans laquelle le cerveau émet des rafales soudaines de signaux électriques en peu de temps, entraînant des convulsions, des convulsions et, dans les cas extrêmes, la mort.

Sur la base du point d’origine des signaux erratiques du cerveau, l’épilepsie est classée comme épilepsie focale ou généralisée. L’épilepsie focale survient lorsque les signaux erratiques sont confinés à une région spécifique du cerveau. Si les signaux sont à des emplacements aléatoires, on parle alors d’épilepsie généralisée.

Inspection des EEG

Afin d’identifier si un patient est épileptique, les neurophysiologistes doivent inspecter manuellement les EEG (électroencéphalogrammes), qui peuvent capturer de tels signaux erratiques, a expliqué un communiqué de presse de l’IISc.

L’inspection visuelle de l’EEG peut devenir fatigante après des périodes prolongées et peut parfois conduire à des erreurs, a déclaré Hardik J. Pandya, professeur adjoint au Département d’ingénierie des systèmes électroniques (DESE) et auteur correspondant de l’étude publiée dans Traitement et contrôle des signaux biomédicaux.

La recherche vise à différencier l’EEG des sujets normaux des EEG épileptiques, et en plus, l’algorithme développé tente d’identifier les types de crises. “Notre travail consiste à aider les neurologues à effectuer un dépistage et un diagnostic automatisés efficaces et rapides”, a-t-il ajouté.

Entraînement de l’algorithme

Pour développer et former l’algorithme, les chercheurs ont d’abord examiné les données EEG de 88 sujets humains acquises à l’AIIMS Rishikesh. Chaque sujet a subi un test EEG de 45 minutes, divisé en deux parties : un test initial de 10 minutes lorsque le sujet était éveillé, qui comprenait une stimulation photique et une hyperventilation, suivi d’une période de sommeil de 35 minutes pendant laquelle le sujet était invité à dormir.

Ensuite, l’équipe a analysé ces données et classé différents modèles d’ondes en signaux pointus, pointes et ondes lentes. Les pointes sont des modèles où un signal monte et descend dans un laps de temps très court (~ 70 millisecondes), tandis que les pointes sont celles avec des montées et des chutes réparties sur une durée légèrement plus longue (~ 250 millisecondes), et les ondes lentes ont une durée beaucoup plus longue. (~ 400 millisecondes), a déclaré le communiqué.

Un sujet épileptique présente un ensemble de schémas différent de celui d’un individu sain. Les chercheurs ont développé un algorithme pour calculer le nombre total d’ondes aiguës – le Cumulative Sharp Count – et l’utiliser comme paramètre pour détecter si le sujet est épileptique ou non (une valeur plus élevée indique une plus grande probabilité que le sujet soit épileptique).

Pointes et courbes

L’algorithme calcule également la somme des zones sous les pointes et les courbes nettes pour faire la distinction entre l’épilepsie focale et généralisée (une valeur plus élevée indique une épilepsie généralisée, par opposition à l’épilepsie focale, qui a une valeur plus faible), explique le communiqué.

Les chercheurs ajoutent que l’étude montre un moyen d’identifier les crises d’absence (celles qui impliquent une brève et soudaine perte de conscience), en utilisant un comptage cumulatif des pointes d’onde ; dans certains cas, ces crises d’absence sont critiques et peuvent être mortelles.

L’équipe a ensuite exécuté son algorithme sur un nouvel ensemble de données EEG provenant de sujets pour lesquels la classification (s’ils souffraient d’épilepsie et, le cas échéant, quel type d’épilepsie ils avaient) était déjà connue des médecins. Cette étude de validation en aveugle a réussi à classer les sujets avec précision dans près de 91 % des cas.

Actuellement, un brevet a été déposé pour le travail et l’algorithme est testé pour sa fiabilité par des médecins de l’AIIMS Rishikesh.

Lire aussi  Les vagues de chaleur provoquées par le changement climatique ont coûté 16 000 milliards de dollars à l'économie mondiale, selon une étude

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.

Recent News

Editor's Pick