Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Implementation of neural networks to frontal electroencephalography for the identification of the transition responsiveness/unresponsiveness during induction of general anesthesia
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/10400.2/11410
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Ferreira, Ana Isabel Leitão | - |
| Autor(es): dc.creator | Vide, Sérgio | - |
| Autor(es): dc.creator | Nunes, Catarina S. | - |
| Autor(es): dc.creator | Neto, Joaquim | - |
| Autor(es): dc.creator | Amorim, Pedro | - |
| Autor(es): dc.creator | Mendes, Joaquim | - |
| Data de aceite: dc.date.accessioned | 2022-02-15T14:10:43Z | - |
| Data de disponibilização: dc.date.available | 2022-02-15T14:10:43Z | - |
| Data de envio: dc.date.issued | 2021-11-23 | - |
| Data de envio: dc.date.issued | 2021-11-23 | - |
| Data de envio: dc.date.issued | 2020 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/10400.2/11410 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/10400.2/11410 | - |
| Descrição: dc.description | Objective: General anesthesia is a reversible drug-induced state of altered arousal characterized by loss of responsiveness (LOR) due to brainstem inactivation. Precise identification of the LOR during the induction of general anesthesia is extremely important to provide personalized information on anesthetic requirements and could help maintain an adequate level of anesthesia throughout surgery, ensuring safe and effective care and balancing the avoidance of intraoperative awareness and overdose. So, main objective of this paper was to investigate whether a Convolutional Neural Network (CNN) applied to bilateral frontal electroencephalography (EEG) dataset recorded from patients during opioid-propofol anesthetic procedures identified the exact moment of LOR. Material and methods: A clinical protocol was designed to allow for the characterization of different clinical endpoints throughout the transition to unresponsiveness. Fifty (50) patients were enrolled in the study and data from all was included in the final dataset analysis. While under a constant estimated effect-site concentration of 2.5 ng/mL of remifentanil, an 1% propofol infusion was started at 3.3 mL//h until LOR. The level of responsiveness was assessed by an anesthesiologist every six seconds using a modified version of the Richmond Agitation-Sedation Scale (aRASS). The frontal EEG was acquired using a bilateral bispectral (BIS VISTA (TM) v2.0, Medtronic, Ireland) sensor. EEG data was then split into 5-second epochs, and for each epoch, the anesthesiologist's classification was used to label it as responsiveness (no-LOR) or unresponsiveness (LOR). All 5-second epochs were then used as inputs for the CNN model to classify the untrained segment as no-LOR or LOR. Results: The CNN model was able to identify the transition from no-LOR to LOR successfully, achieving 97.90 +/- 0.07% accuracy on the cross-validation set. Conclusion: The obtained results showed that the proposed CNN model was quite efficient in the responsiveness/unresponsiveness classification. We consider our approach constitutes an additional technique to the current methods used in the daily clinical setting where LOR is identified by the loss of response to verbal commands or mechanical stimulus. We therefore hypothesized that automated EEG analysis could be a useful tool to detect the moment of LOR, especially using machine learning approaches. | - |
| Descrição: dc.description | Objetivo: A anestesia geral é um estado de despertar alterado reversível induzido por drogas, caracterizado pela perda de responsividade (LOR) devido à inativação do tronco encefálico. A identificação precisa do LOR durante a indução da anestesia geral é extremamente importante para fornecer informações personalizadas sobre as necessidades anestésicas e pode ajudar a manter um nível adequado de anestesia durante a cirurgia, garantindo um cuidado seguro e eficaz e equilibrando a prevenção de consciência intraoperatória e sobredosagem. Portanto, o objetivo principal deste artigo foi investigar se uma Rede Neural Convolucional (CNN) aplicada a um conjunto de dados de eletroencefalografia frontal bilateral (EEG) registrados de pacientes durante procedimentos anestésicos com opioide-propofol identificou o momento exato de LOR. Material e métodos: Um protocolo clínico foi projetado para permitir a caracterização de diferentes desfechos clínicos ao longo da transição para a ausência de resposta. Cinquenta (50) pacientes foram incluídos no estudo e os dados de todos foram incluídos na análise final do conjunto de dados. Enquanto sob uma concentração constante estimada no local do efeito de 2,5 ng / mL de remifentanil, uma infusão de propofol a 1% foi iniciada em 3,3 mL // h até o LOR. O nível de responsividade foi avaliado por um anestesiologista a cada seis segundos, usando uma versão modificada da escala de agitação e sedação de Richmond (aRASS). O EEG frontal foi adquirido usando um sensor biespectral bilateral (BIS VISTA (TM) v2.0, Medtronic, Irlanda). Os dados do EEG foram então divididos em épocas de 5 segundos e, para cada época, a classificação do anestesiologista foi usada para rotulá-la como responsividade (sem-LOR) ou não responsividade (LOR). Todos os períodos de 5 segundos foram então usados como entradas para o modelo CNN para classificar o segmento não treinado como sem LOR ou LOR. Resultados: O modelo CNN foi capaz de identificar a transição de no-LOR para LOR com sucesso, alcançando 97,90 +/- 0,07% de precisão no conjunto de validação cruzada. Conclusão: Os resultados obtidos mostraram que o modelo proposto pela CNN foi bastante eficiente na classificação da responsividade / não responsividade. Consideramos que nossa abordagem constitui uma técnica adicional aos métodos atuais usados no ambiente clínico diário, onde LOR é identificado pela perda de resposta a comandos verbais ou estímulos mecânicos. Portanto, formulamos a hipótese de que a análise automatizada de EEG poderia ser uma ferramenta útil para detectar o momento de LOR, especialmente usando abordagens de aprendizado de máquina. O modelo CNN foi capaz de identificar a transição de no-LOR para LOR com sucesso, alcançando 97,90 +/- 0,07% de precisão no conjunto de validação cruzada. Conclusão: Os resultados obtidos mostraram que o modelo proposto pela CNN foi bastante eficiente na classificação da responsividade / não responsividade. Consideramos que nossa abordagem constitui uma técnica adicional aos métodos atuais usados no ambiente clínico diário, onde LOR é identificado pela perda de resposta a comandos verbais ou estímulos mecânicos. Portanto, formulamos a hipótese de que a análise automatizada de EEG poderia ser uma ferramenta útil para detectar o momento de LOR, especialmente usando abordagens de aprendizado de máquina. O modelo CNN foi capaz de identificar a transição de no-LOR para LOR com sucesso, alcançando 97,90 +/- 0,07% de precisão no conjunto de validação cruzada. Conclusão: Os resultados obtidos mostraram que o modelo proposto pela CNN foi bastante eficiente na classificação da responsividade / não responsividade. Consideramos que nossa abordagem constitui uma técnica adicional aos métodos atuais usados no ambiente clínico diário, onde LOR é identificado pela perda de resposta a comandos verbais ou estímulos mecânicos. Portanto, formulamos a hipótese de que a análise automatizada de EEG poderia ser uma ferramenta útil para detectar o momento de LOR, especialmente usando abordagens de aprendizado de máquina. Os resultados obtidos mostraram que o modelo proposto pela CNN foi bastante eficiente na classificação da responsividade / não responsividade. Consideramos que nossa abordagem constitui uma técnica adicional aos métodos atuais usados no ambiente clínico diário, onde LOR é identificado pela perda de resposta a comandos verbais ou estímulos mecânicos. Portanto, formulamos a hipótese de que a análise automatizada de EEG poderia ser uma ferramenta útil para detectar o momento de LOR, especialmente usando abordagens de aprendizado de máquina. Os resultados obtidos mostraram que o modelo proposto pela CNN foi bastante eficiente na classificação da responsividade / não responsividade. Consideramos que nossa abordagem constitui uma técnica adicional aos métodos atuais usados no ambiente clínico diário, onde LOR é identificado pela perda de resposta a comandos verbais ou estímulos mecânicos. Portanto, formulamos a hipótese de que a análise automatizada de EEG poderia ser uma ferramenta útil para detectar o momento de LOR, especialmente usando abordagens de aprendizado de máquina. | - |
| Descrição: dc.description | This work was supported by the Fundação para a Ciência e Tecnologia under the SFRH/BD/98915/2013 and through INEGI, under LAETA, projects UIDB/50022/2020 and UIDP/50022/2020. | - |
| Descrição: dc.description | info:eu-repo/semantics/publishedVersion | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Relação: dc.relation | info:eu-repo/grantAgreement/FCT/SFRH/SFRH%2FBD%2F98915%2F2013/PT | - |
| Relação: dc.relation | UIDB/50022/2020 | - |
| Relação: dc.relation | UIDP/50022/2020 | - |
| Relação: dc.relation | https://doi.org/10.1016/j.irbm.2021.02.004 | - |
| Direitos: dc.rights | restrictedAccess | - |
| Título: dc.title | Implementation of neural networks to frontal electroencephalography for the identification of the transition responsiveness/unresponsiveness during induction of general anesthesia | - |
| Título: dc.title | Implementação de redes neurais para eletroencefalografia frontal para a identificação da responsividade / insensibilidade de transição durante a indução da anestesia geral | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Aberto - Universidade Aberta (Portugal) | |
Não existem arquivos associados a este item.
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo