Detection of patient movement for video EEG monitoring

Chang, Yizheng; Lee, D.G.; Ryoo, Sangjin; Lee, D.S.

doi:10.1109/iembs.1998.745604

Cited by 2 publications

(4 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In video-EEG epilepsy research, optical flow has been used for seizure detection in both adults and neonates 7,9,31,32 and quantification of patient motion. 8,31,33 Our study is the first to look at patting. When added in parallel to the seizure detection software, our algorithm significantly reduced false alarms because of rhythmic patting.…”

Section: Discussionmentioning

confidence: 99%

Optical Flow Estimation Improves Automated Seizure Detection in Neonatal EEG

Martin

Gabriel

Gold

et al. 2020

Journal of Clinical Neurophysiology

View full text Add to dashboard Cite

Purpose:Existing automated seizure detection algorithms report sensitivities between 43% and 77% and specificities between 56% and 90%. The algorithms suffer from false alarms when applied to neonatal EEG because of the high degree of nurse handling and rhythmic patting used to soothe neonates. Computer vision technology that quantifies movement in real time could distinguish artifactual motion and improve automated neonatal seizure detection algorithms.Methods:The authors used video EEG recordings from 43 neonates undergoing monitoring for seizures as part of the NEOLEV2 clinical trial. The Persyst neonatal automated seizure detection algorithm ran in real time during study EEG acquisitions. Computer vision algorithms were applied to extract detailed accounts of artifactual movement of the neonate or people near the neonate though dense optical flow estimation.Results:Using the methods mentioned above, 197 periods of patting activity were identified and quantified, of which 45 generated false-positive automated seizure detection events. A binary patting detection algorithm was trained with a subset of 470 event videos. This supervised detection algorithm was applied to a testing subset of 187 event videos with 8 false-positive events, which resulted in a 24% reduction in false-positive automated seizure detections and a 50% reduction in false-positive events caused by neonatal care patting, while maintaining 11 of 12 true-positive seizure detection events.Conclusions:This work presents a novel approach to improving automated seizure detection algorithms used during neonatal video EEG monitoring. This artifact detection mechanism can improve the ability of a seizure detector algorithm to distinguish between artifact and true seizure activity.

show abstract

Section: Discussionmentioning

confidence: 99%

Optical Flow Estimation Improves Automated Seizure Detection in Neonatal EEG

Martin

Gabriel

Gold

et al. 2020

Journal of Clinical Neurophysiology

View full text Add to dashboard Cite

show abstract

“…Χαρακτηριστικές είναι οι εφαρµογές ανίχνευσης των επεισοδίων άπνοιας [137], εντοπισµού και επαλήθευσης των συµπτωµάτων βήχα [12], οι τεχνικές εκτίµησης του αναπνευστικού ρυθµού και η σύνδεσή του µε τις κινήσεις του υποκειµένου και τις εναλλαγές των φάσεων ύπνου [138]. Σηµαντική, είναι και η παρακολούθηση κατά τη φάση ηλεκτροεγκεφαλικών καταγραφών, για την ανίχνευση κρίσεων επιληψίας ή/και άλλων χαρακτηριστικών ευρηµάτων της εγκεφαλικής λειτουργίας [1], [6], [139]- [143]. Όπως έχει ήδη επισηµανθεί, η δυνατότητα παράλληλης διερεύνησης (µε τα παραπάνω) των φάσεων γαστρεντερικής λειτουργίας, αποτέλεσε και ένα από τα πιο σηµαντικά κίνητρα για την ενσωµάτωση εικονοληπτών παρακολούθησης στις τεχνικές προδιαγραφές του προτεινόµενου συστήµατος καταγραφής.…”

Section: 121unclassified

“…Στις περισσότερες από τις προηγούµενες εφαρµογές γίνεται χρήση εικονοληπτών χαµηλού φωτισµού και νυχτερινής όρασης (night shot), όπως επίσης συστηµάτων υπέρυθρης ακτινοβολίας και θερµικής απεικόνισης [7], [9], [10], [14]. Στο πλαίσιο αυτό έχουν αναπτυχθεί διάφορες τεχνικές για την ανίχνευση της κίνησης βίντεο [11], [139], [142]- [147], το συγχρονισµό των οπτικοακουστικών σηµάτων µε τις υπόλοιπες καταγραφές [2], [4]- [5], την εξέλιξη και προσαρµογή των αλγορίθµων συµπίεσης στις ειδικές ανάγκες των ιατρικών εφαρµογών [141], [148]- [149], την αξιοποίηση σχηµάτων περιγραφής του οπτικοακουστικού περιεχοµένου [150]. Σήµερα, οι τεχνικές καταγραφής και ψηφιακής επεξεργασίας εικόνας (βίντεο) και ήχου, καθιστούν πιο ευέλικτη και αποδοτική τη χρήση των οπτικοακουστικών συστηµάτων παρακολούθησης, σε συνδυασµό µε καταγραφές άλλων ψυχο-φυσιολογικών παραµέτρων, συµπεριλαµβανοµένων και των γαστρεντερικών ήχων.…”

Section: 121unclassified

“…; ; (139). Αν εξαιρέσει κανείς το χαµηλό ποσοστό των προτύπων RESN, γενικά, υπάρχει µια σχετική ισορροπία ως προς την αντιπροσώπευση των προτύπων στο σύνολο των δειγµάτων εκπαίδευσης [218].…”

Section: τοπολογίες δικτύων Mlp και αποτελέσµατα εκπαίδευσηςunclassified

See 1 more Smart Citation

Τεχνικές Επεξεργασίας Και Διαχείρισης Οπτικοακουστικού Περιεχομένου Στη Μελέτη Βιοακουστικών Φαινομένων

Δημούλας¹

View full text Add to dashboard Cite

Εννοείται ο πόνος που δεν οφείλεται σε κάποια παθολογική κατάσταση του πεπτικού συστήµατος ή κάποιου άλλου γειτονικού οργάνου, αλλά σε λειτουργικά ζητήµατα κινητικότητας. * Τα τεστ, που διεξάγονται σε δείγµατα υποκειµένων (εθελοντές) πριν την έγκριση κυκλοφορίας των φαρµάκων, βασίζονται αποκλειστικά σε αξιολόγηση σχετικών ερωτηµατολογίων. † Η µετεγχειρητική λειτουργία του εντέρου κρίνεται ιδιαίτερα σηµαντική στην περαιτέρω πορεία ανάρρωσης του ασθενή.

show abstract

Detection of patient movement for video EEG monitoring

Cited by 2 publications

References 5 publications

Optical Flow Estimation Improves Automated Seizure Detection in Neonatal EEG

Optical Flow Estimation Improves Automated Seizure Detection in Neonatal EEG

Τεχνικές Επεξεργασίας Και Διαχείρισης Οπτικοακουστικού Περιεχομένου Στη Μελέτη Βιοακουστικών Φαινομένων

Contact Info

Product

Resources

About