Blog
Oktober 24, 2019
AI og industri 4.0
Alle
Ciklum-nyheder

Ciklum AI/Deep Learning-teamet giver en præsentation om detektering af epileptiske anfald

I september 2019 deltog Ciklum AI/Deep Learning-teamet i 2nd International Congress on Mobile Devices and Seizure Detection in Epilepsy, der blev afholdt i Lausanne, Schweiz.

Epilepsi er en af de hyppigst forekommende neurologiske sygdomme og er karakteriseret ved anfald forårsaget af kraftig hypersynkron aktivitet i hjernens nerveceller.

Hovedemnerne på kongressen var:

  • Innovative teknologier til EEG- og ikke-EEG-baseret detektering af anfald og forudsigelse (et EEG eller electroencefalogram er en teknik, som optager elektriske signaler udsendt af hjernen)
  • Klinisk behov for at forbedre styring af anfald
  • Tilbagebetalingsproblemer for mHealth epilepsi-løsninger

Kongressen tiltrak over 180 deltagere fra et stort antal forskellige lande. Deltagerne omfattede ingeniører, der udvikler analysemetoder til hjerne- og hjerteaktivitet til at detektere og forudsige epileptiske anfald, læger på forkant af behandlingen af epilepsipatienter og -virksomheder, der arbejder med udvikling på dette område.

Ciklum-teamet leverede plakater og mundtlige præsentationer. Det præsenterede forsknings- og udviklingsarbejde blev forberedt i partnerskab med:

  • Department of Engineering, University of Palermo, Italien
  • Department of Biomedical Engineering og Department of Electronic Engineering, National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”, Kiev, Ukraine
  • TMO “Psychiatry”, Kiev, Ukraine

I den annoncerede præsentation med titlen “Accessing the information dynamics through EEG source networks in epileptic children” diskuterede teamet en tilgang, der kan opnå positiv diskriminering blandt forskellige EEG-klasser og en forbedret forståelse af det psykologiske mekanismer, der ligger bag udbrud af anfald i den præiktale fase og genoprettelse af den normale hjernefunktion og effektiv forbindelse i den postiktale fase.

Ciklum’s forskningsingeniør, Ivan Kotiuchyi, gav derefter en mundtlig præsentation med titlen “Ikke-lineære hjerne-hjerte-interaktioner hos børn med fokal epilepsi vurderet gennem fælles information fra EEG og hjerterytmevariation”.

Denne præsentation beskrev den tidsdomæneanalyse, som vores team udførte for bedre at forstå de psykologiske mekanismer, der understøtter hvordan hjerneaktivitet udvikler sig inden igangsættelsen af et udbrud og under bedringsfasen.

Analyseresultaterne peger på at de fokale anfald har sammenhæng med hjerne-hjerte-forbindelsen, som kun kan detekteres gennem fælles information efter at et anfald slutter.

Teamet konkluderede at fokal epilepsi i barndommen er forbundet med ikkelineære hjerne-hjerte-interaktionsmekanismer.

Når man således sammenholder information om hjerne-hjertedynamik, kan man producere data, der er i stand til at forbedre vores evne til at forudsige anfald.

Er I på udkig efter en digital partner til at gennemføre jeres deep learning-projekt? Kontakt Ciklum og vi vil vende tilbage til jer inden for 24 timer!