Ä¢¹½Ö±²¥

Jyväskylän yliopistossa julkaistussa väitöskirjassa tutkittiin syväoppimismenetelmien hyödyntämistä epileptisten kohtausten havaitsemisessa ja ennustamisessa. Kohtausten havaitseminen ennalta auttaa parantamaan epilepsiasta kärsivien elämänlaatua. Tutkimus voi auttaa kehittämään pienikokoisia kannettavia laitteita, jotka voivat tulevaisuudessa ennustaa epileptikoiden kohtauksia ennakkoon.

M.Sc. (Tech) Xiaoshuang Wang tutki väitöskirjassaan tehokkaita digitaalisia havaitsemis- ja ennustamismenetelmiä epileptisille kohtauksille. Tutkimuksessa yhdistettiin koneellisia syväoppimismenetelmiä yhteen niin sanottujen elektroenkefalogrammisignaalien (EEG) kanssa.

Epileptisten kohtausten havaitsemista ja ennustamista koskeva tutkimus voi auttaa tietokoneavusteisen epilepsiadiagnostiikan kehityksessä.

EEG:tä on merkittävänä välineenä hyödynnetty laajasti epilepsian diagnosoinnissa. EEG-signaalien käyttö kohtausten havaitsemisessa ja ennustamisessa on kuitenkin edelleen haastavaa.

Wangin pitää kuitenkin tärkeänä, että EEG-signaaleihin perustuvia tehokkaita kohtausten havaitsemis- ja ennustamismenetelmiä pyritään aktiivisesti tutkimaan.

– Viime aikoina syväoppimiseen ja tekoälyyn liittyvät tekniikan ovat osoittaneet huomattavaa edistyneisyyttä kuvantunnistukseen ja konenäköön liittyen. Nyt käytämme samoja syväoppimistekniikoita myös tutkimuksessamme, Wang kertoo.

Tutkimus voi auttaa kehittämään kohtausta ennustavia kannettavia EEG-laitteita

Wangin väitöskirjassa yhdistettiin menestyksekkäästi syväoppimistekniikoita yhteen EEG-signaalien kanssa, ja käytettiin näitä epileptisten kohtausten havaitsemissa ja ennustamisessa.

Kun otetaan huomioon EEG-signaalien yksiulotteiset ominaisuudet (aikasarjat), yksiulotteista konvoluutiohermoverkkoa (1D-CNN) sovelletaan tutkimuksessa pääasiassa kohtausten havaitsemisen ja ennustamisen analysointiin.

Kun EEG-signaaleista valittiin tutkimukseen soveltuvat kanavat ja yhdistettiin ne syväoppimismenetelmiin, auttoivat ne löytämään huomattavia tuloksia kohtausten ennustamisessa.

– Tulevaisuudessa tutkimustulokset voivat edistää kannettavien EEG-laitteiden kehittämistä, joissa on pienempi määrä kanavia auttaa tehokkaassa kohtauksien ennustamisessa, Wang sanoo.

M.Sc. (Tech) Xiaoshuang Wangin ohjelmisto- ja tietoliikennetekniikan väitöskirjan "EEG-Based Detection and Prediction of Epileptic Seizures Using One-Dimensional Convolutional Neural Networks" tarkastustilaisuus järjestään 16.12.2022 klo 9. Yleisö voi seurata väitöstilaisuutta salissa Agora Auditorio 2, tai verkkovälitteisesti. Linkki suoraan lähetykseen:

Vastaväittäjänä professori Zhiguo Zhang (Harbin Institute of Technology, Kiina) ja kustoksena professori Tommi Kärkkäinen (Jyväskylän yliopisto). Väitöstilaisuuden kieli on englanti.

Suora linkki julkaisuun: