Sleep-Awake Cycle Evaluation from Long-term EEG Data: Assessing the Impact in Epilepsy Seizure Prediction

Detalhes bibliográficos
Autor(a) principal: Oliveira, Ana Catarina Rocha
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/97971
Resumo: Dissertação de Mestrado Integrado em Engenharia Biomédica apresentada à Faculdade de Ciências e Tecnologia
id RCAP_e926aa594184bae4b6fd6ed78c04428b
oai_identifier_str oai:estudogeral.uc.pt:10316/97971
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Sleep-Awake Cycle Evaluation from Long-term EEG Data: Assessing the Impact in Epilepsy Seizure PredictionSleep-Awake Cycle Evaluation from Long-term EEG Data: Assessing the Impact in Epilepsy Seizure PredictionEpilepsiaPrevisão de crisesElectroencefalogramaCiclo de sonoEpilepsySeizure predictionElectroencephalogramSleep-awake cycleDissertação de Mestrado Integrado em Engenharia Biomédica apresentada à Faculdade de Ciências e TecnologiaApproximately 30% of epileptic patients are unable to achieve seizure control through antiepileptic drug administration or surgical procedures.Seizure prediction is a promising approach to improve their quality of life due to its applicability in warning or intervention systems.These systems would attempt to prevent the occurrence of seizures or, at least, reduce their side effects.A core aspect for this research field is the identification of the preictal period, which represents the transition from normal brain activity to a seizure.Although this field has been moving forward over the years, current electroencephalogram seizure prediction algorithms fail to attain real-life applicability.Although recent findings show that the circadian cycle holds great interest in seizure dynamics, and that neglecting this information may severely affect the performance of prediction algorithms, few studies have addressed this topic.The present study aimed to ascertain the impact of the incorporation of vigilance states (sleep/wakefulness) in seizure prediction.Considering 33 patients with nocturnal frontal lobe epilepsy from the CAP Sleep database, a subject-independent sleep-awake classifier was developed and achieved satisfactory results (0.94±0.01 for sensitivity and 0.93±0.03 for specificity).According to the vigilance states of 17 drug-resistant epilepsy patients from the EPILEPSIAE database obtained through the sleep-awake model, four different patient-specific seizure prediction approaches were proposed with a 5-minute seizure prediction horizon.The best performing approach considered the transitions between vigilance states in the post-processing phase, which led to results of 0.54±0.36 for sensitivity and of 4.96±11.40 for the false positive rate per hour, with an average seizure occurrence period of 31 minutes.Despite statistically validating 71% of patients, the maximum false positive rate acceptable for each intervention system must be investigated in order to ascertain the applicability of the present study.Aproximadamente 30% dos doentes epilépticos são incapazes de atingir o controlo de crises através da administração de medicamentos antiepilépticos ou de procedimentos cirúrgicos.A previsão de crises é uma abordagem promissora para melhorar a qualidade de vida destes doentes devido à sua aplicabilidade em sistemas de aviso ou de intervenção.Estes sistemas pretendem prevenir a ocorrência de crises ou, pelo menos, reduzir os efeitos colaterais.Um aspeto fucral para este campo de investigação é a identificação do período pré-ictal, que representa a transição de uma atividade cerebral normal para uma crise.Apesar da evolução ao longo dos anos e com base no electroencefalograma, os algoritmos de previsão de crises existentes não conseguem atingir aplicabilidade clínica.Embora negligenciar a informação dos estados dormir/acordado possa afetar negativamente a performance desses algoritmos, e apesar de ser sabido que os ciclos circadianos influenciam significativamente a ocorrência de crises, apenas alguns estudos tiveram em conta este problema.O presente estudo pretende averiguar o impacto da incorporação dos estados de vigilância (dormir/acordado) na previsão de crises.Considerando 33 doentes com epilepsia nocturna do lobo frontal da base de dados CAP Sleep, um classificador de sono foi desenvolvido e atingiu resultados satisfatórios (0.94±0.01 de sensibilidade e 0.93±0.03 de especificidade).Depois, foram testadas quatro abordagens de previsão de crises, nas quais se usaram 17 doentes epilépticos resistentes à medicação. Nestas abordagens foram incorporados os estados de vigilância, obtidos com o classificador anteriormente desenvolvido. Todas as abordagens são especificas para cada doente e têm um horizonte de previsão de crise de 5 minutos. A melhor implementação teve em conta as transições entre os estados de vigilância na fase de pós-processamento, levando a resultados de 0.54±0.36 para a sensibilidade e de 4.96±11.40 para a taxa de falsos positivos por hora, com um tempo médio de 31 minutos para o período de ocorrência da crise.Apesar de ter validado estatisticamente 71% dos doentes, o valor máximo de falsos positivos aceitável para cada sistema de intervenção deve ser investigado de modo a averiguar a aplicabilidade do presente estudo.2021-11-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/97971http://hdl.handle.net/10316/97971TID:202922430engOliveira, Ana Catarina Rochainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-05-25T03:20:26Zoai:estudogeral.uc.pt:10316/97971Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:15:54.920463Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Sleep-Awake Cycle Evaluation from Long-term EEG Data: Assessing the Impact in Epilepsy Seizure Prediction
Sleep-Awake Cycle Evaluation from Long-term EEG Data: Assessing the Impact in Epilepsy Seizure Prediction
title Sleep-Awake Cycle Evaluation from Long-term EEG Data: Assessing the Impact in Epilepsy Seizure Prediction
spellingShingle Sleep-Awake Cycle Evaluation from Long-term EEG Data: Assessing the Impact in Epilepsy Seizure Prediction
Oliveira, Ana Catarina Rocha
Epilepsia
Previsão de crises
Electroencefalograma
Ciclo de sono
Epilepsy
Seizure prediction
Electroencephalogram
Sleep-awake cycle
title_short Sleep-Awake Cycle Evaluation from Long-term EEG Data: Assessing the Impact in Epilepsy Seizure Prediction
title_full Sleep-Awake Cycle Evaluation from Long-term EEG Data: Assessing the Impact in Epilepsy Seizure Prediction
title_fullStr Sleep-Awake Cycle Evaluation from Long-term EEG Data: Assessing the Impact in Epilepsy Seizure Prediction
title_full_unstemmed Sleep-Awake Cycle Evaluation from Long-term EEG Data: Assessing the Impact in Epilepsy Seizure Prediction
title_sort Sleep-Awake Cycle Evaluation from Long-term EEG Data: Assessing the Impact in Epilepsy Seizure Prediction
author Oliveira, Ana Catarina Rocha
author_facet Oliveira, Ana Catarina Rocha
author_role author
dc.contributor.author.fl_str_mv Oliveira, Ana Catarina Rocha
dc.subject.por.fl_str_mv Epilepsia
Previsão de crises
Electroencefalograma
Ciclo de sono
Epilepsy
Seizure prediction
Electroencephalogram
Sleep-awake cycle
topic Epilepsia
Previsão de crises
Electroencefalograma
Ciclo de sono
Epilepsy
Seizure prediction
Electroencephalogram
Sleep-awake cycle
description Dissertação de Mestrado Integrado em Engenharia Biomédica apresentada à Faculdade de Ciências e Tecnologia
publishDate 2021
dc.date.none.fl_str_mv 2021-11-18
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/97971
http://hdl.handle.net/10316/97971
TID:202922430
url http://hdl.handle.net/10316/97971
identifier_str_mv TID:202922430
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134055426424832

Registros relacionados