Ein Gerät, das vorhersagen könnte , wenn eine Person mit Epilepsie vielleicht nächstes eine Beschlagnahme ist ein Schritt näher an der Realität dank der Entwicklung von Software, die von Forschern in den USA. Einzelheiten sind in einer der nächsten Ausgabe des International Journal of Data Mining und Bioinformatik veröffentlicht.
Anfallsvorhersageist ein wichtiges medizinisches Ziel für die vielen Menschen , die an Epilepsie und verwandten neurologischen Erkrankungen leiden. Medikamente zur Kontrolle Anfälle aber eine Möglichkeit, im Voraus zu bestimmen , wenn ein Angriff auftreten würde es Betroffene , um ein normales Leben sicherer , fahren Fahrzeugen und Bedienen von gefährlichen Maschinen usw., in dem sicheren Wissen , dass sie wissen, wann ein Anfall ist im Begriff, zur Verfügung auftreten, und sie aus der Gefahrenzone in viel Zeit bewegen kann.
Shouyi Wang des Department of Industrial and Manufacturing Systems Engineering , an der Universität von Texas in Arlington , Arlington, TX, und Wanpracha Art Chaovalitwongse der University of Washington, Seattle und Stephen Wong von der Universität für Medizin und Zahnmedizin von New Jersey, in New Brunswick, zu erklären , dass die derzeitigen epileptischen Anfall Vorhersagealgorithmen erfordern viel Vorkenntnisse eines Patienten vorge Pfändung Elektroenzephalogramm (EEG) Muster . Dies macht in der Regel ihnen völlig unpraktisch als vorge Pfändung EEGs sind mit der gebotenen Gründlichkeit oder Zahl nur selten zur Verfügung .
Das Team hat nun eine Software entwickelt, um normale und Beschlagnahme der elektrischen Aktivität des Patienten aus langfristigen EEG-Aufzeichnungen nach der Diagnose erfahren. Der Lernprozess kann dann die Software , um vorherzusagen , wenn eine andere Beschlagnahme auf den gelernten Mustern basierend auf. Letztlich würde ein tragbares Gerät mit diskreten Elektroden , vielleicht unter einer Mütze oder Hut getragen diesen Algorithmus verwenden, dem Patienten eine frühzeitige Warnung vor einer drohenden Beschlagnahmung zu geben. Dies würde es ihnen zu ziehen, sicher, wenn Sie Auto fahren oder sonst aus gefährlichen Situationen und in einer sicheren Umgebung , lange bevor die Beschlagnahme beginnt zu bewegen.
"Unsere experimentellen Ergebnisse zeigten, dass die adaptive Vorhersageschema konnte eine konsistente bessere Vorhersage Leistung als ein Zufall Modell und dem nicht- Aktualisierungssystem zu erreichen", sagt das Team . "Diese Studie bestätigt, dass das Konzept der Verwendung von adaptiven Lernalgorithmen , um die Anpassungsfähigkeit der Anfallsvorhersagezu verbessern, ist denkbar ", die Forscher hinzufügen. "Wenn ein Anfall - Warngerät ist immer , eine Realität werden , wird adaptive Lerntechniken eine wichtige Rolle spielen . "