清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Harnessing machine learning for EEG signal analysis: Innovations in depth of anaesthesia assessment

脑电图 脑电双频指数 计算机科学 人工智能 医学 心理学 麻醉 神经科学 异丙酚
作者
Thomas Schmierer,Tianning Li,Yan Li
出处
期刊:Artificial Intelligence in Medicine [Elsevier]
卷期号:151: 102869-102869 被引量:3
标识
DOI:10.1016/j.artmed.2024.102869
摘要

Anaesthesia, crucial to surgical practice, is undergoing renewed scrutiny due to the integration of artificial intelligence in its medical use. The precise control over the temporary loss of consciousness is vital to ensure safe, pain-free procedures. Traditional methods of depth of anaesthesia (DoA) assessment, reliant on physical characteristics, have proven inconsistent due to individual variations. In response, electroencephalography (EEG) techniques have emerged, with indices such as the Bispectral Index offering quantifiable assessments. This literature review explores the current scope and frontier of DoA research, emphasising methods utilising EEG signals for effective clinical monitoring. This review offers a critical synthesis of recent advances, specifically focusing on electroencephalography (EEG) techniques and their role in enhancing clinical monitoring. By examining 117 high-impact papers, the review delves into the nuances of feature extraction, model building, and algorithm design in EEG-based DoA analysis. Comparative assessments of these studies highlight their methodological approaches and performance, including clinical correlations with established indices like the Bispectral Index. The review identifies knowledge gaps, particularly the need for improved collaboration for data access, which is essential for developing superior machine learning models and real-time predictive algorithms for patient management. It also calls for refined model evaluation processes to ensure robustness across diverse patient demographics and anaesthetic agents. The review underscores the potential of technological advancements to enhance precision, safety, and patient outcomes in anaesthesia, paving the way for a new standard in anaesthetic care. The findings of this review contribute to the ongoing discourse on the application of EEG in anaesthesia, providing insights into the potential for technological advancement in this critical area of medical practice.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
会扎针的小张完成签到,获得积分10
28秒前
41秒前
Sunny完成签到 ,获得积分10
42秒前
虚幻的尔竹完成签到 ,获得积分10
44秒前
45秒前
背书强完成签到 ,获得积分10
46秒前
火花完成签到 ,获得积分10
55秒前
小西完成签到 ,获得积分10
58秒前
1分钟前
zz完成签到 ,获得积分10
1分钟前
wefor完成签到 ,获得积分10
1分钟前
迷人的沛山完成签到 ,获得积分10
1分钟前
申木完成签到 ,获得积分10
1分钟前
段采萱完成签到 ,获得积分10
1分钟前
黄花菜完成签到 ,获得积分10
2分钟前
风不尽,树不静完成签到 ,获得积分10
2分钟前
2分钟前
fff发布了新的文献求助10
2分钟前
空曲完成签到 ,获得积分10
2分钟前
LELE完成签到 ,获得积分10
2分钟前
王磊完成签到 ,获得积分10
3分钟前
emxzemxz完成签到 ,获得积分10
3分钟前
xun完成签到,获得积分10
3分钟前
焚心结完成签到 ,获得积分10
3分钟前
AUGKING27完成签到 ,获得积分10
3分钟前
秋子骞完成签到 ,获得积分10
3分钟前
su完成签到 ,获得积分10
3分钟前
大大蕾完成签到 ,获得积分10
3分钟前
Sophie发布了新的文献求助10
3分钟前
badgerwithfisher完成签到,获得积分10
3分钟前
深情安青应助fff采纳,获得10
4分钟前
小刘哥加油完成签到 ,获得积分10
4分钟前
spark810发布了新的文献求助10
4分钟前
Gary完成签到 ,获得积分10
4分钟前
飞天奶酪完成签到 ,获得积分10
4分钟前
文献搬运工完成签到 ,获得积分10
4分钟前
5分钟前
fff发布了新的文献求助10
5分钟前
SCINEXUS完成签到,获得积分0
5分钟前
蚂蚁踢大象完成签到 ,获得积分10
5分钟前
高分求助中
Sustainability in Tides Chemistry 1500
Handbook of the Mammals of the World – Volume 3: Primates 805
拟南芥模式识别受体参与调控抗病蛋白介导的ETI免疫反应的机制研究 550
Gerard de Lairesse : an artist between stage and studio 500
Digging and Dealing in Eighteenth-Century Rome 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
Manual of Sewer Condition Classification 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3068236
求助须知:如何正确求助?哪些是违规求助? 2722176
关于积分的说明 7476072
捐赠科研通 2369138
什么是DOI,文献DOI怎么找? 1256228
科研通“疑难数据库(出版商)”最低求助积分说明 609518
版权声明 596835