라엘랩스: 거짓 경고 없이 장기 인간 iEEG 기록에서 에너지 효율적인 발작 탐지 알고리즘

우리는 발작 탐지를 위한 에너지 효율적이고 빠르게 학습하는 알고리즘인 라엘랩스를 제안합니다. 이 알고리즘은 장기 뇌내 뇌전도(iEEG) 신호에서 발작을 탐지하며, 거짓 경고가 없습니다. 라엘랩스는 상징적 동역학과 뇌에서 영감을 받은 고차원 컴퓨팅을 활용하여 종단 간 이진 작업을 사용합니다. 라엘랩스의 결과는 2656시간의 기록에 18명의 약물 저항성 간질 환자의 116회 발작을 포함하는 새로운 대규모 데이터셋에서 심층 학습을 포함한 최첨단(SoA) 방법들보다 뛰어납니다. 라엘랩스는 24회의 발작만을 사용하여 18개의 환자별 모델을 훈련시키며, 12개 모델은 각 환자당 한 번의 발작으로 훈련되고, 나머지는 두 번의 발작으로 훈련됩니다. 훈련된 모델은 모든 환자에서 92회의 보지 않은 발작 중 79회를 탐지하며, 실제 발작 탐지에 있어 큰 진전을 보여줍니다. 특히, Nvidia Tegra X2 임베디드 장치에서 라엘랩스의 간단한 구현은 SoA 방법에서 나온 최상의 결과에 비해 1.7×-3.9× 빠른 실행과 1.4×-2.9× 낮은 에너지 소비를 달성합니다. 우리의 소스 코드와 익명화된 iEEG 데이터셋은 http://ieeg-swez.ethz.ch에서 자유로이 제공됩니다.