epilepsiaEpilepsy and paroxysmal conditionsЭпилепсия и пароксизмальные состояния2077-83332311-4088IRBIS LLC10.17749/2077-8333/epi.par.con.2024.178epilepsia-994Research ArticleORIGINAL ARTICLESОРИГИНАЛЬНЫЕ СТАТЬИArtificial intelligence applied for the diagnosis of absence epilepsy with simultaneously tested patient’s consciousness level in ictal eventПрименение искусственного интеллекта в диагностике абсансной эпилепсии с одновременным тестированием уровня сознания пациента в период иктального событияhttps://orcid.org/0000-0003-4844-8042МироновМ. Б.MironovM. B.

Миронов Михаил Борисович – к.м.н., врач невролог-эпилептолог, ведущий научный сотрудник

Леонтьевский пер., д. 2А, стр. 1, Москва 125009, Россия

Mikhail B. Mironov – MD, PhD, Neurologist-Epileptologist, Leading Researcher

2А bldg 1 Leontyevsky Passage, Moscow 125009, Russia

АбрамовМ. О.AbramovM. O.

Абрамов Михаил Олегович – врач функциональной диагностики, заведующий отделением видео-ЭЭГ-мониторинга

ул. Академика Анохина, д. 9, Москва 119571, Россия

Mikhail O. Abramov – Functional Diagnostician, Head of Video-EEG Monitoring Department

9 Academician Anokhin Str., Moscow 119571, Russia

КондратенкоВ. В.KondratenkoV. V.

Кондратенко Владимир Витальевич – ведущий инженер отдела разработки программного обеспечения

ул. Воронина, д. 5, Иваново 153032, Россия

Vladimir V. Kondratenko – Leading Engineer, Department of Software Development

5 Voronin Str., Ivanovo 153032, Russia

ВафинИ. Р.VafinI. R.

Вафин Ильдар Рамилович – инженер отдела разработки программного обеспечения

ул. Воронина, д. 5, Иваново 153032, Россия

Ildar R. Vafin – Engineer, Department of Software Development

5 Voronin Str., Ivanovo 153032, Russia

СмирновС. Ю.SmirnovS. Yu.

Смирнов Сергей Юрьевич – к.т.н., ведущий инженер отдела разработки программного обеспечения

ул. Воронина, д. 5, Иваново 153032, Россия

Sergey Yu. Smirnov – PhD (Engineering), Leading Engineer, Department of Software Development

5 Voronin Str., Ivanovo 153032, Russia

ВагановС. Е.VaganovS. E.

Ваганов Сергей Евгеньевич – старший инженер отдела разработки программного обеспечения

ул. Воронина, д. 5, Иваново 153032, Россия

Sergey E. Vaganov – Senior Engineer, Department of Software Development

5 Voronin Str., Ivanovo 153032, Russia

https://orcid.org/0000-0003-2605-6830ИвановА. А.IvanovA. A.

Иванов Алексей Алексеевич – руководитель отдела управления продуктами

ул. Воронина, д. 5, Иваново 153032, Россия

Alexey A. Ivanov – Head of Product Management Department

5 Voronin Str., Ivanovo 153032, Russia

iva@neurosoft.comМедицинский центр неврологии и клинической нейрофизиологииРоссияMedical Center of Neurology and Clinical NeurophysiologyRussian FederationОбщество с ограниченной ответственностью «Институт детской и взрослой неврологии и эпилепсии им. Святителя Луки»РоссияSt. Luke's Institute of Pediatric and Adult Neurology and EpilepsyRussian FederationОбщество с ограниченной ответственностью «Нейрософт»РоссияNeurosoft LLCRussian Federation202416042024161817Copyright © Mironov M.B., Abramov M.O., Kondratenko V.V., Vafin I.R., Smirnov S.Y., Vaganov S.E., Ivanov A.A., 20242024Миронов М.Б., Абрамов М.О., Кондратенко В.В., Вафин И.Р., Смирнов С.Ю., Ваганов С.Е., Иванов А.А.Mironov M.B., Abramov M.O., Kondratenko V.V., Vafin I.R., Smirnov S.Y., Vaganov S.E., Ivanov A.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.epilepsia.su/jour/article/view/994Background

Background. Given the difficulties in identifying absences and assessing the level of consciousness in epilepsy patients, it is extremely relevant to develop digital programs for automatic registration and testing of this type of epileptic seizures and related electroencephalographic (EEG) patterns, including those based on artificial intelligence.

Objective

Objective: development of an algorithm for automatic detection of absence seizures to test real time patient's consciousness level during long-term video-EEG monitoring.

Material and methods

Material and methods. The work on creating an algorithm was carried out during joint doctor/engineer cooperation. Doctors prepared a set of labeled EEG recordings of patients with verified absence epilepsy. Two independent experts in the generated examinations database mapped typical episodes of absence seizures that allowed to develop training and testing samples for a neural network algorithm to detect EEG absence epiactivity. Next, trained neural network was incorporated into Neuron- Spectrum.NET software to compare its accuracy with similar approaches published elsewhere.

Results

Results. A neural network algorithm was developed and trained using a mapped database to detect EEG absence epiactivity. A comparative analysis of the effectiveness for the proposed method vs. other approaches showed that the former is comparable in quality, whereas in some aspects – even superior to the latter. Accuracy was assessed using a publicly available database with mapped epiactivity episodes.

Conclusion

Conclusion. A hardware and software system for automated assessment of patient’s consciousness level during absence seizure in continuous video-EEG monitoring was proposed. Potentially, neural networks may be applied not only to assess patient’s consciousness level, but also to stop stimulation-mediated seizure onset in the future.

Актуальность

Актуальность. С учетом сложностей в выявлении абсансов и оценке уровня сознания у пациентов с эпилепсией крайне актуальной становится разработка цифровых программ с целью автоматической регистрации и тестирования данного типа эпилептических приступов и их электроэнцефалографических (ЭЭГ) паттернов, в т.ч. на основе искусственного интеллекта.

Цель

Цель: разработка алгоритма автоматического выявления абсансных приступов для тестирования уровня сознания пациента в режиме реального времени при проведении длительного видео-ЭЭГ-мониторинга.

Материал и методы

Материал и методы. Работа по созданию алгоритма проводилась совместно врачами и инженерами. Врачами подготовлен набор размеченных ЭЭГ-записей больных с подтвержденным диагнозом абсансной эпилепсии. В сформированной базе обследований двумя независимыми экспертами размечены типовые эпизоды абсансных приступов. Далее на этой основе сформирована обучающая и тестовая выборки для обучения и тестирования нейросетевого алгоритма. Обученная нейронная сеть внедрена в программное обеспечение «Нейрон-Спектр.NET», проведено сравнение точности срабатывания полученного нейросетевого алгоритма с данными, приведенными в аналогичных работах других авторов.

Результаты

Результаты. При использовании размеченной базы разработан и обучен нейросетевой алгоритм для обнаружения абсансной эпиактивности на ЭЭГ. Сравнительный анализ эффективности реализованного метода с другими подходами показал, что предложенный алгоритм сопоставим с последними по качеству, а по некоторым параметрам превосходит их. Оценку точности осуществляли по общедоступной базе с размеченными эпизодами эпиактивности.

Заключение

Заключение. Предложена программно-аппаратная система автоматизированной оценки уровня сознания пациента в период абсансного приступа во время проведения продолженного видео-ЭЭГ-мониторинга. В будущем возможно использование нейронных сетей не только для определения уровня сознания больного, но и для купирования возникающего приступа посредством стимуляции.

Абсансная эпилепсияэлектроэнцефалографияЭЭГвидео-ЭЭГ-мониторингискусственный интеллектнейронные сетиглубокое обучениеAbsence seizureabsence epilepsyelectroencephalographyEEGvideo-EEG monitoringartificial intelligenceneural networksdeep learningReferencesProposal for revised clinical and electroencephalographic classification of epileptic seizures. From the Commission on Classification and Terminology of the International League Against Epilepsy. Epilepsia. 1981; 22 (4): 489–501. http://doi.org/10.1111/j.1528-1157.1981.tb06159.x.Proposal for revised clinical and electroencephalographic classification of epileptic seizures. From the Commission on Classification and Terminology of the International League Against Epilepsy. Epilepsia. 1981; 22 (4): 489–501. http://doi.org/10.1111/j.1528-1157.1981.tb06159.x.Sadleir L.G., Scheffer I.E., Smith S., et al. EEG features of absence seizures in idiopathic generalized epilepsy: impact of syndrome, age, and state. Epilepsia. 2009; 50 (6): 1572–8. http://doi.org/10.1111/j.1528-1167.2008.02001.x.Sadleir L.G., Scheffer I.E., Smith S., et al. EEG features of absence seizures in idiopathic generalized epilepsy: impact of syndrome, age, and state. Epilepsia. 2009; 50 (6): 1572–8. http://doi.org/10.1111/j.1528-1167.2008.02001.x.Engel J. Jr. Report of the ILAE сlassification сore group. Epilepsia. 2006; 47 (9): 1558–68. http://doi.org/10.1111/j.1528-1167.2006.00215.x.Engel J. Jr. Report of the ILAE сlassification сore group. Epilepsia. 2006; 47 (9): 1558–68. http://doi.org/10.1111/j.1528-1167.2006.00215.x.Hirsch E., French J., Scheffer I.E., et al. ILAE definition of the idiopathic generalized epilepsy syndromes: position statement by the ILAE Task Force on Nosology and Definitions. Epilepsia. 2022; 63 (6): 1475–99. http://doi.org/10.1111/epi.17236.Hirsch E., French J., Scheffer I.E., et al. ILAE definition of the idiopathic generalized epilepsy syndromes: position statement by the ILAE Task Force on Nosology and Definitions. Epilepsia. 2022; 63 (6): 1475–99. http://doi.org/10.1111/epi.17236.Specchio N., Wirrell E.C., Scheffer I.E., et al. International League Against Epilepsy classification and definition of epilepsy syndromes with onset in childhood: position paper by the ILAE Task Force on Nosology and Definitions. Epilepsia. 2022; 63 (6): 1398–442. http://doi.org/10.1111/epi.17241.Specchio N., Wirrell E.C., Scheffer I.E., et al. International League Against Epilepsy classification and definition of epilepsy syndromes with onset in childhood: position paper by the ILAE Task Force on Nosology and Definitions. Epilepsia. 2022; 63 (6): 1398–442. http://doi.org/10.1111/epi.17241.Proposal for revised classification of epilepsies and epileptic syndromes. Commission on Classification and Terminology of the International League Against Epilepsy. Epilepsia. 1989; 30 (4): 389–99. http://doi.org/10.1111/j.1528-1157.1989.tb05316.x.Proposal for revised classification of epilepsies and epileptic syndromes. Commission on Classification and Terminology of the International League Against Epilepsy. Epilepsia. 1989; 30 (4): 389–99. http://doi.org/10.1111/j.1528-1157.1989.tb05316.x.Kessler S.K., Shinnar S., Cnaan A., et al. Pretreatment seizure semiology in childhood absence epilepsy. Neurology. 2017; 89 (7): 673–9. http://doi.org/10.1212/WNL.0000000000004226.Kessler S.K., Shinnar S., Cnaan A., et al. Pretreatment seizure semiology in childhood absence epilepsy. Neurology. 2017; 89 (7): 673–9. http://doi.org/10.1212/WNL.0000000000004226.Hermann B., Jones J., Dabbs K., et al. The frequency, complications and aetiology of ADHD in new onset paediatric epilepsy. Brain. 2007; 130 (Pt. 12): 3135–48. http://doi.org/10.1093/brain/awm227.Hermann B., Jones J., Dabbs K., et al. The frequency, complications and aetiology of ADHD in new onset paediatric epilepsy. Brain. 2007; 130 (Pt. 12): 3135–48. http://doi.org/10.1093/brain/awm227.Fisher R.S., Cross J.H., French J.A., et al. Operational classification of seizure types by the International League Against Epilepsy: position paper of the ILAE Commission for Classification and Terminology. Epilepsia. 2017; 58 (4): 522–30. http://doi.org/10.1111/epi.13670.Fisher R.S., Cross J.H., French J.A., et al. Operational classification of seizure types by the International League Against Epilepsy: position paper of the ILAE Commission for Classification and Terminology. Epilepsia. 2017; 58 (4): 522–30. http://doi.org/10.1111/epi.13670.Gotman J. Automatic detection of seizures and spikes. J Clin Neurophysiol. 1999; 16 (2): 130–40. http://doi.org/10.1097/00004691-199903000-00005.Gotman J. Automatic detection of seizures and spikes. J Clin Neurophysiol. 1999; 16 (2): 130–40. http://doi.org/10.1097/00004691-199903000-00005.Giannakaki K., Giannakakis G., Vorgia P., et al. Automatic absence seizure detection evaluating matching pursuit features of EEG signals. In: 2019 IEEE 19th International Conference on Bioinformatics and Bioengineering (BIBE). Athens, Greece; 2019: 886–9. http://doi.org/10.1109/BIBE.2019.00165.Giannakaki K., Giannakakis G., Vorgia P., et al. Automatic absence seizure detection evaluating matching pursuit features of EEG signals. In: 2019 IEEE 19th International Conference on Bioinformatics and Bioengineering (BIBE). Athens, Greece; 2019: 886–9. http://doi.org/10.1109/BIBE.2019.00165.Glaba P., Latka M., Krause M.J., et al. Absence seizure detection algorithm for portable EEG devices. Front Neurol. 2021; 12: 685814. http://doi.org/10.3389/fneur.2021.685814.Glaba P., Latka M., Krause M.J., et al. Absence seizure detection algorithm for portable EEG devices. Front Neurol. 2021; 12: 685814. http://doi.org/10.3389/fneur.2021.685814.Petersen E.B., Duun-Henriksen J., Mazzaretto A., et al. Generic singlechannel detection of absence seizures. In: 2011 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. Boston, MA, USA; 2011: 4820–3. http://doi.org/10.1109/IEMBS.2011.6091194.Petersen E.B., Duun-Henriksen J., Mazzaretto A., et al. Generic singlechannel detection of absence seizures. In: 2011 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. Boston, MA, USA; 2011: 4820–3. http://doi.org/10.1109/IEMBS.2011.6091194.Li L., Zhang H., Liu X., et al. Detection method of absence seizures based on Resnet and bidirectional GRU. Acta Epileptologica. 2023; 5: 7. http://doi.org/10.1186/s42494-022-00117-w.Li L., Zhang H., Liu X., et al. Detection method of absence seizures based on Resnet and bidirectional GRU. Acta Epileptologica. 2023; 5: 7. http://doi.org/10.1186/s42494-022-00117-w.Asif U., Roy S., Tang J., Harrer S. SeizureNet: a deep convolutional neural network for accurate seizure type classification and seizure detection. ArXiv. 2019: abs/1903.03232.Asif U., Roy S., Tang J., Harrer S. SeizureNet: a deep convolutional neural network for accurate seizure type classification and seizure detection. ArXiv. 2019: abs/1903.03232.Klem G.H., Lüders H.O., Jasper H.H., Elger C. The ten-twenty electrode system of the International Federation. The International Federation of Clinical Neurophysiology. Electroencephalogr Clin Neurophysiol. 1999; 52: 3–6.Klem G.H., Lüders H.O., Jasper H.H., Elger C. The ten-twenty electrode system of the International Federation. The International Federation of Clinical Neurophysiology. Electroencephalogr Clin Neurophysiol. 1999; 52: 3–6.Seeck M., Koessler L., Bast T., et al. The standardized EEG electrode array of the IFCN. Clin Neurophysiol. 2017; 128 (10): 2070–7. http://doi.org/10.1016/j.clinph.2017.06.254.Seeck M., Koessler L., Bast T., et al. The standardized EEG electrode array of the IFCN. Clin Neurophysiol. 2017; 128 (10): 2070–7. http://doi.org/10.1016/j.clinph.2017.06.254.Shah V., von Weltin E., Lopez S., et al. The Temple University Hospital Seizure Detection Corpus. Front Neuroinform. 2018; 12: 83. http://doi.org/10.3389/fninf.2018.00083.Shah V., von Weltin E., Lopez S., et al. The Temple University Hospital Seizure Detection Corpus. Front Neuroinform. 2018; 12: 83. http://doi.org/10.3389/fninf.2018.00083.The TUH EEG Seizure Corpus (TUSZ) – v1.5.2. URL: https://www.kaggle.com/datasets/psyryuvok/the-tuh-eeg-seizure-corpustusz-v152 (дата обращения 23.11.2023).The TUH EEG Seizure Corpus (TUSZ) – v1.5.2. Available at: https://www.kaggle.com/datasets/psyryuvok/the-tuh-eeg-seizure-corpustusz-v152 (accessed 23.11.2023).Kingma D.P., Ba J. Adam: a method for stochastic optimization. arXiv. 2014: 1412.6980. http://doi.org/10.48550/arXiv.1412.6980.Kingma D.P., Ba J. Adam: a method for stochastic optimization. arXiv. 2014: 1412.6980. http://doi.org/10.48550/arXiv.1412.6980.Srivastava N., Hinton G., Krizhevsky A., et al. Dropout: a simple way to prevent neural networks from overfitting. J Mach Learn Res. 2014; 15: 1929–58.Srivastava N., Hinton G., Krizhevsky A., et al. Dropout: a simple way to prevent neural networks from overfitting. J Mach Learn Res. 2014; 15: 1929–58.Иванов А.А. Обзор возможностей современного программного обеспечения для регистрации и анализа ЭЭГ. Эпилепсия и пароксизмальные состояния. 2023; 15 (1): 53–69. https://doi.org/10.17749/2077-8333/epi.par.con.2023.144.Ivanov А.А. Overview of current software capabilities for EEG recording and analyzing. Epilepsia i paroksizmalʹnye sostoania / Epilepsy and Paroxysmal Conditions. 2023; 15 (1): 53–69 (in Russ.). http://doi.org/10.17749/2077-8333/epi.par.con.2023.144.

The authors declare that there are no conflicts of interest present.