Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

O professor adjunto de UT Arlington desenvolve o modelo computacional para prever a apreensão epilético

O professor adjunto de UT Arlington usa leituras do EEG

Um professor assistente da engenharia de UT Arlington desenvolveu um modelo computacional que pudesse mais exactamente prever quando uma apreensão epilético ocorrerá baseado em seguida na informação médica personalizada do paciente.

A pesquisa conduzida por Shouyi Wang, um professor adjunto no departamento da engenharia industriais e da fabricação de sistemas, estêve “na previsão em linha de papel da apreensão usando uma aproximação de aprendizagem adaptável” em transacções de IEEE na engenharia do conhecimento e dos dados.

O modelo de Wang analisa a electroencefalografia, ou o EEG, leituras de um indivíduo, para prever as apreensões futuras. Os avisos prévios poderiam conduzir um paciente usar a medicina para combater uma apreensão próxima, disse.

“O desafio com previsão da apreensão foi que cada epilético é diferente. Alguns pacientes sofrem diversas apreensões um o dia. Outro irã0 diversos anos sem experimentar uma apreensão,” Wang disse. “Mas se nós usamos as leituras do EEG para construir um perfil personalizado dos dados, nós podemos melhor compreender o que está acontecendo a essa pessoa.”

A epilepsia é uma das desordens neurológicas as mais comuns, caracterizado por apreensões periódicas. A epilepsia e as apreensões afectam quase 3 milhão americanos a custo anual calculado de $17,6 bilhões em directo e os custos indirectos, de acordo com a fundação nacional da epilepsia, aproximadamente 10 por cento da população americana experimentarão uma apreensão em sua vida, a agência diz.

Wang teamed com arte Chaovalitwongse de Wanpracha da universidade de Washington e de Stephen Wong da Faculdade de Medicina de madeira de Rutgers Robert Johnson para a pesquisa.

Wang disse que as indicações adiantadas são que o modelo computacional novo poderia fornecer 70 por cento de precisão ou melhorar e dar um horizonte da previsão de aproximadamente 30 minutos antes que a apreensão real ocorreria.

O modelo actual recolhe dados através de um tampão encaixado com fios do EEG. A equipe de Wang está trabalhando para desenvolver um tampão menos importuno do EEG que grave e transmita leituras a uma caixa para a transferência ou a transmissão fácil dos dados.

Victoria Chen, professor e presidenta do departamento de engenharia industriais e da fabricação dos sistemas, disse que o trabalho de Wang na área de ofertas da bioinformática espera para muitos povos que sofrem da epilepsia.

“Este modelo computacional pôde ser usado para prever outros episódios risco de vida das doenças,” Chen disse.

Wang disse suas construções modelo em cima de uma estrutura de aprendizagem adaptável e é capaz de conseguir o desempenho cada vez mais exacto da previsão para cada paciente individual recolhendo dados médicos cada vez mais personalizados.

“Como uma sociedade, nós obtivemos realmente bons em olhar a imagem grande,” Wang disse. “Nós podemos dizer-lhe a probabilidade de sofrer um cardíaco de ataque se você está sobre uma determinada idade, de algum peso e se você fuma. Mas nós começamos somente personalizar esses dados para os indivíduos que são tudo diferentes.”