11. Hiệu quả ứng dụng trí tuệ nhân tạo trong chuyển đổi tín hiệu non-dicom và tự động hóa nhận định kết quả điện não đồ
Nội dung chính của bài viết
Tóm tắt
Phân tích điện não đồ gặp nhiều khó khăn đặc biệt đối với bác sĩ không phải chuyên khoa do đây là loại dữ liệu non-dicom phức tạp, chưa chuyển đổi đồng bộ trên hệ thống HIS. Nghiên cứu nhằm đánh giá kết quả ứng dụng trí tuệ nhân tạo chuyển đổi dữ liệu lên hệ thống HIS dưới dạng dicom và tự động nhận định, trích xuất kết quả. Ứng dụng trí tuệ nhân tạo cho 900 bản ghi của người bình thường và người mắc các bệnh lý thần kinh từ 1/2021 đến 6/2023 tại Bệnh viện Đại học Y Hà Nội. Kết quả cho thấy chuyển đổi, đồng bộ trực tiếp 100% dữ liệu từ máy ghi chuyên dụng lên hệ thống HIS; nhận diện, phân tích, hiển thị sóng điện não dựa trên các đặc tính về tần số, biên độ, định khu theo các mốc ghi đạt độ chính xác lên đến 98%; tự động trích xuất chính xác 100 % thành phiếu trả lời kết quả. Thời gian thành phần và tổng thời gian được rút ngắn 8,75 lần, tiết kiệm được 465 giờ làm việc với gần 4,6 tỷ điểm dữ liệu được lưu trữ so với quy trình thủ công. Đây là công cụ hỗ trợ đắc lực cho bác sĩ tiếp cận kết quả dễ dàng, nhanh chóng, chính xác đặc biệt cho những cơ sở y tế thiếu bác sĩ chuyên khoa và trang thiết bị.
Chi tiết bài viết
Từ khóa
Điện não đồ, tự động hoá, trí tuệ nhân tạo, máy học, học sâu, hiệu quả, tính chính xác
Tài liệu tham khảo
2. Lê Quang Cường, Pierre Jallon, Bùi Mỹ Hạnh. Điện não đồ lâm sàng. Nhà xuất bản Y học; 2023.
3. Feyissa AM, Tatum WO. Adult EEG. Handbook of clinical neurology. 2019;160:103-124.
4. Nakamura M, Sugi T, Ikeda A, et al. Automatic EEG interpretation adaptable to individual electroencephalographer using artificial neural network. International Journal of Adaptive Control and Signal Processing. 2002;16(1):25-37.
5. Subasi A, Ismail Gursoy M. EEG signal classification using PCA, ICA, LDA and support vector machines. Expert Systems with Applications. 2010;37(12):8659-8666.
6. Craik A, He Y, Contreras-Vidal JL. Deep learning for electroencephalogram (EEG) classification tasks: a review. Journal of Neural Engineering. 2019;16(3):031001.
7. Thủ tướng chính phủ. Quyết định số 749/QĐ-TTg ngày 03/6/2020 phê duyệt Chương trình Chuyển đổi số quốc gia.
8. Bộ Y tế. Quyết định số 5316/QĐ-BYT ngày 22/12/2020 phê duyệt Chương trình Chuyển đổi số y tế.
9. Baltatzis V, Bintsi K-M, Apostolidis GK, et al. Bullying incidences identification within an immersive environment using HD EEG-based analysis: A Swarm Decomposition and Deep Learning approach. Scientific Reports. 2017;7(1):17292.
10. Birjandtalab J, Heydarzadeh M, Nourani M. Automated EEG-Based Epileptic Seizure Detection Using Deep Neural Networks. International Conference on Healthcare Informatics. 2017;552-555.