Модифицированный алгоритм обнаружения артефактов движения в данных видео-ЭЭГ мониторинга
Аннотация
В работе предлагается новый детектор артефактов движения в данных длительного видео-ЭЭГ мониторинга в задаче диагностики ишемии головного мозга после субарахноидального кровоизлияния. Алгоритм основан на классификаторах, использующих в качестве признаков величину оптического потока, который вычисляется по картам контуров кадров видеозаписи длительного видео-ЭЭГ мониторинга, и величине вариации информации между картами контуров последовательных кадров. Новый алгоритм повышает точность обнаружения артефактов по сравнению с детектором, применявшимся авторами ранее.
- видео-ЭЭГ мониторинг
- артефакт движения
- ишемия головного мозга
- оптический поток
- карта перепадов яркости
- вариация информация
Abstract (in English)
A new algorithm for detecting motion artifacts in video-EEG monitoring data
The article proposes a new algorithm for detecting artifacts in video recordings of long-term video-EEG monitoring data in the context of the problem of diagnosing delayed cerebral ischemia after subarachnoid hemorrhage. The main idea of the new algorithm is as follows. First, to ensure the invariance of the algorithm with respect to illumination variations, we calculate the motion measures from the edge map of the region of interest. Secondly, to expand the set of motion measures by including variation of information between the blurred edge maps of two consecutive frames. Third, to combine detectors that use different measures of scene motion. An experiment on clinical video-EEG monitoring data showed that the proposed algorithm provides sensitivity of 0.94, specificity of 0.94, accuracy of 0.94, and F1 score of 0.91. The obtained characteristics correspond to the level of known motion detectors in video-EEG data.
Для цитирования
Мурашов Д.М., Обухов Ю.В., Кершнер И.А., Синкин М.В., Окунева И.В. Модифицированный алгоритм обнаружения артефактов движения в данных видео-ЭЭГ мониторинга // Журнал радиоэлектроники. – 2025. – № 11. https://doi.org/10.30898/1684-1719.2025.11.26