美国 Nicolet 脑电图系统 NicoletOne
NicoletOne 是 Natus Neurology 的模块化临床脑电系统，由 NicoletOne 软件与 Nicolet v32 或 v44 放大器及头盒组成，已停售，现行 Natus 产品目录不再列出。 头皮电极经头盒接入放大器，放大器将脑电信号数字化并通过以太网送至软件显示、存储与回顾。 v32 提供 32 路脑电输入，带宽 0.053-500 Hz，采样率最高 2000 Hz；v44 增加直流输入与血氧；软件含 11 种分析器与 20 种趋势。 用于常规脑电、癫痫长程监测、重症监护与睡眠检查；自动分析仅适用于成人。 标配为计算机、NicoletOne 软件、v32 放大器与隔离电源；选配 v44、头盒、血氧模块、刺激器、视频、推车、打印机与电极。 FDA II 类脑电图机（K173366），处方使用，不给出诊断结论，仅供受训专业人员使用。
仪器信息
| 品牌 | Nicolet |
|---|---|
| 型号 | NicoletOne |
| 分类 | 脑电仪 |
| 仪器编码 | united-states-nicolet-eeg-system-nicoletone |
| 在售状态 | 停售 |
| 地区来源 | 美国 |
| 更新时间 | 2026-10-10 |
| 研究领域 | 临床神经电生理学、新生儿学与儿科神经病学、生物医学信号处理与人工智能、睡眠医学 |
技术参数
共 109 条规格记录
| 整机型号与订货号 | NicoletOne EEG（中国医疗器械注册证登记型号） |
|---|---|
| 系统构成 | NicLED Photic 刺激器、V32 放大器、V44 放大器、C64 放大器、C128 放大器、隔离电源、电源适配器、电缆、NicoletOne System 软件（中国医疗器械注册证登记结构组成） |
| 兼容放大器型号 | Nicolet v32、Nicolet v44 |
| 可对接动态脑电记录模块 | 可与 Nicolet Ambulatory Module 对接，规格参见 Nicolet Ambulatory EEG Specifications Sheet #169-435300 |
| 生产地点 | IDA Business Park, Gort, Co.Galway, Ireland（中国医疗器械注册证登记信息） |
| 可采集生理信号类型 | 脑电信号（EEG），并可接收并显示心电（ECG）、肌电（EMG）、血氧饱和度或呼吸等第三方信号，适用于各年龄段患者 |
| 应用模式 | Sleep、EEG、ICU monitoring and LTM；OR 与 non-OR 应用（v44 放大器） |
| 应用模式 | EEG、PSG、ICU |
| 脑电采集通道数 | 32（v32 放大器） |
| 脑电采集通道数 | 32（v44 放大器（AC 输入）） |
| 辅助（AUX）通道数 | 1 路（高电平、非隔离，用于连接 CO2 监护仪等外部设备）（v32 放大器） |
| 直流（DC）输入通道数 | 12（非隔离）（v44 放大器） |
| 可配置双极通道数 | 9（通道 24–32 可配置为双极 AC）（v44 放大器） |
| 可配置 AC/DC 通道数 | 9 |
| 采样率 | 125/250/500/1000/2000 Hz（v32、v44 放大器，软件控制） |
| 带宽 | 0.053–500 Hz（v32、v44 放大器） |
| 带宽 | DC–500 Hz（v32 放大器辅助输入） |
| 带宽 | DC–100 Hz（v44 放大器直流输入） |
| 高频滤波档位 | 关闭、10、15、25、30、35、40、50、60、70、100、150、200、300、500、1000、1500 Hz（配 v32/v44 放大器的 EEG 软件） |
| 低频滤波档位 | 关闭、0.053、0.16、0.3、0.5、1、1.6、2、3、5 Hz（配 v32/v44 放大器的 EEG 软件） |
| 低频滤波时间常数档位 | 0.2、0.33、0.5、0.625、1、2、3.3、6.2、18.9 s（配 v32/v44 放大器的 EEG 软件） |
| 陷波滤波档位 | 关闭、50/60 Hz（配 v32/v44 放大器的 EEG 软件） |
| 抗混叠滤波器截止频率 | 500 Hz（v32、v44 放大器） |
| A/D 转换位数 | 16 bits（v32、v44 放大器） |
| A/D 转换位数 | 16 bits（v32 放大器辅助输入） |
| A/D 转换位数 | 16 bits（v44 放大器直流输入） |
| 电压分辨率 | 0.153 μV（v32、v44 放大器） |
| 电压分辨率 | 76.3 μV（v32 放大器辅助输入） |
| 电压分辨率 | 153 μV（v44 放大器直流输入） |
| 输入电压测量范围 | ±5 mV（v32、v44 放大器） |
| 输入电压测量范围 | ±2.5 V（v32 放大器辅助输入） |
| 输入电压测量范围 | ±5 V（v44 放大器直流输入） |
| 直流偏置电压容限 | ±340 mV（v32 放大器） |
| 直流偏置电压容限 | ±900 mV（v44 放大器） |
| 输入噪声 | < 1.5 μV pk-pk @ 0.1–100 Hz（v32 放大器） |
| 输入噪声 | < 1.5 μV p-p @ 0.1–100 Hz（v44 放大器，第 31、32 通道及 OR 通道除外） |
| 输入噪声 | < 2 μV p-p @ 0.1–100 Hz（v44 放大器的第 31、32 通道及 OR 通道） |
| 共模抑制比 | > 115 dB @ 50–60 Hz（连接有源患者地）（v32 放大器） |
| 共模抑制比 | > 115 dB @ 50–60 Hz（连接有源患者地）（v44 放大器，第 31、32 通道及 OR 通道除外） |
| 共模抑制比 | > 100 dB @ 50–60 Hz（采用 RLD）（v44 放大器的第 31、32 通道及 OR 通道） |
| 通道间串扰 | < -40 dB（v32、v44 放大器） |
| 输入阻抗 | > 100 MΩ（v32、v44 放大器） |
| 输入阻抗 | 40 MΩ（v32、v44 放大器） |
| 输入偏置电流 | < 5 nA（v32、v44 放大器） |
| 通道硬件增益 | 410（v32、v44 放大器） |
| 校准信号形式 | 方波，周期 1/5/10/20 s，幅度 10/50/100/1000 μV（v32、v44 放大器） |
| 电极阻抗测量功能 | 支持（连续测试，并可由用户选择）（V32 放大器） |
| Deblocking 功能 | 支持（v32、v44 放大器） |
| 计算机通信接口 | 10/100/1000 Mb Ethernet（标准配置） |
| 计算机通信接口 | Ethernet（v32、v44 放大器） |
| 光刺激器输出接口 | 支持（v32、v44 放大器） |
| 患者事件按钮接口 | 支持，隔离式（v32、v44 放大器） |
| 血氧饱和度（SpO2）接口 | 支持，经 X-Pod 的隔离 SpO2 端口（v32 放大器） |
| 血氧饱和度（SpO2）接口 | 支持，集成式 SpO2（v44 放大器） |
| 脉搏血氧模块配置 | NONIN XPOD 脉搏血氧模块与 NONIN Pure light 8000X 系列血氧传感器（选配）（V32 放大器选配 OEM 脉搏血氧功能） |
| 摄像机控制接口 | 支持，放大器上设 Panasonic 摄像机控制端口（v44 放大器） |
| 隔离电源输入电压 | 110/115 或 230 VAC ±10% |
| 隔离电源输入频率 | 50–60 Hz |
| 隔离电源输出电压 | 等于输入电压 |
| 隔离电源容量 | 595 VA |
| 隔离电源容量 | 500 VA |
| 头盒配置 | 选配；无阻抗显示（v32 放大器） |
| 头盒配置 | 须配用以下之一：带内置阻抗与显示的临床头盒；带头帽适配器及内置阻抗与显示的临床头盒；OR 头盒（v44 放大器） |
| 头盒配置 | HB3（V32 放大器） |
| 电极接口集成方式 | 头盒与放大器一体化（V32 放大器） |
| 配套打印机 | HP DeskJet 打印机（黑白与彩色） |
| 配套计算机类型 | 面板式 PC、台式机或笔记本电脑 |
| 配套计算机类型 | 台式计算机 |
| 计算机操作系统要求 | Windows |
| 计算机操作系统要求 | 版本 5.95 |
| 数据文件格式 | EDF/EDF+ |
| HL7 接口兼容性 | 通过 NicVue Connect 接口兼容 HL7 |
| 计算机辅助分析器数量 | 11 种 |
| 计算机辅助分析器类型 | Spike Detection、Seizure Detection、Apnea/Hypopnea Detection、Limb Movement Detection、Desaturation Detection、Oxygen Saturation、Heart Rate Detection、Body Position Detection、CPAP、Automatic Detection、Threshold Detection |
| 计算机辅助分析器类型 | 支持，集成于软件 |
| 趋势图数量 | 20 种 |
| 睡眠报告模板 | 提供，汇总已记录并评分的睡眠数据，含计数、平均值、最大值、最小值及趋势值的数据范围 |
| 自动分析适用人群 | 仅适用于成人 |
| 显示每页时长档位 | 2、5、10、20、30、60、120、240、300、600、1200 s/页（配 v32/v44 放大器的 EEG 软件） |
| 显示走纸速度档位 | 6、8、10、15、30、60、120、240 mm/s（配 v32/v44 放大器的 EEG 软件） |
| 显示灵敏度档位 | 10、20、30、50、70、100、150、200、300、500、700、1000、2000、5000 μV/cm（配 v32/v44 放大器的 EEG 软件） |
| 显示灵敏度档位 | 1、2、3、5、7、10、15、20、30、50、70、100、200、500 μV/mm（配 v32/v44 放大器的 EEG 软件） |
| 生理报警功能 | 不支持（V32 放大器） |
| 诊断与分析结论声明 | 不提供任何关于患者状况的诊断结论 |
| 推车整机外形尺寸 | 119×53×76 cm（高×宽×深） |
| 推车整机重量 | 约 68 kg（150 lbs）（随打印机型号而定） |
| 安装方式 | 推车安装、壁挂安装（v44 放大器） |
| 工作温度范围 | 15.6–32.2 °C |
| 工作相对湿度范围 | 20–80%（无冷凝） |
| 工作海拔范围 | 0–3 km |
| 存储与运输温度范围 | 17.7–55 °C |
| 存储与运输相对湿度范围 | 10–90%（无冷凝） |
| 存储海拔范围 | 0–12 km |
| 应用部分防电击类型 | BF |
| 医用电气安全标准 | UL 60601-1（USA）；CAN/CSA-C22.2 no. 601.1-M90（Canada）；EN/IEC 60601-1（International and Europe） |
| 脑电图设备专用安全标准 | IEC 60601-2-26 |
| 肌电与诱发电位设备专用安全标准 | IEC 60601-2-40 |
| 电磁兼容性符合标准 | EN 60601-1-2 |
| CE 认证 | EC Directive 93/42/EEC（MDD），CE 标志 |
| FDA 510(k) 编号 | K173366（NicoletOne，2018-07-20）；K061908（NicoletOne System V-32 Amplifier，2006-11-06） |
| FDA 法规分类编号 | 21 CFR 882.1400（Regulation Name: Electroencephalograph） |
| FDA 器械管理类别 | Class II |
| FDA 产品代码 | OLZ（primary）、OMB、OMA、OLT、ORT |
| 中国医疗器械注册证编号 | 国食药监械（进）字2011第2212434；注册人 Cardinal Health 209, Inc.；批准日期 2011-07-26；有效期至 2015-07-25（型号 NicoletOne EEG） |
| 质量管理体系认证 | ISO 13485 |
| 预期用途 | 记录、显示、分析、打印和存储生理信号，以辅助诊断各种神经系统疾病、睡眠障碍和睡眠相关呼吸障碍；通过记录和显示 EEG 信号监测大脑状态 |
| 预期使用环境 | 医院、机构、睡眠中心、睡眠诊所或其他检查环境 |
| 操作人员资质要求 | 仅限合格且受过培训的医学专业人员在科研与临床环境中使用 |
| 报警用途限制 | 可选的音视频报警不得用作生命支持用途，如生命体征监测或重症监护室连续医疗监护 |
相关实验室
以下机构来自本仪器关联论文的作者署名，不代表已确认采购或持有该仪器。
儿科与儿童健康系
地区：爱尔兰
署名作者：约翰·M·奥图尔、杰拉尔丁·B·博伊兰
研究方向：儿科研究、生物医学工程、缺氧缺血性脑病、诊断标志物
关联论文 2 篇
爱尔兰科克大学学院
地区：爱尔兰
署名作者：约翰·M·奥图尔、杰拉尔丁·B·博伊兰
研究方向：儿科研究、生物医学工程、缺氧缺血性脑病、诊断标志物
关联论文 2 篇
新儿童医院
地区：芬兰
署名作者：桑普萨·万哈塔洛
研究方向：儿童脑电图、心电图、非快速眼动睡眠、正常参考数据集
关联论文 1 篇
澳大利亚布里斯班 QIMR Berghofer 医学研究所
地区：澳大利亚
署名作者：内森·J·史蒂文森
研究方向：儿童脑电图、心电图、非快速眼动睡眠、正常参考数据集
关联论文 1 篇
芬兰赫尔辛基大学医院
地区：芬兰
署名作者：桑普萨·万哈塔洛
研究方向：儿童脑电图、心电图、非快速眼动睡眠、正常参考数据集
关联论文 1 篇
爱尔兰都柏林 CergenX 有限公司
地区：爱尔兰
署名作者：罗伯特·霍根
研究方向：脑病、诊断、诊断标志物、癫痫
关联论文 1 篇
实验方法
研究方向：新生儿缺氧缺血性脑病脑电背景分级、基于深度学习的新生儿癫痫发作自动检测、儿童睡眠脑电/心电正常参考数据集与脑龄预测、新生儿重症监护病房连续脑电监测
新生儿缺氧缺血性脑病多导脑电背景严重程度分级数据集构建实验
方法说明：在新生儿重症监护病房内使用 NicoletOne ICU Monitor（Natus）与 Neurofax EEG-1200 两种脑电图机，对 53 例确诊缺氧缺血性脑病（HIE）的足月新生儿进行多导连续脑电采集，NicoletOne 以 256 Hz 采样、以 FCz 为参考。从每例新生儿的记录中挑选多个 1 小时的高质量脑电片段，共 169 小时，由专家依据振幅、连续性、睡眠—觉醒周期、对称性与同步性、异常波形等属性进行背景异常分级（正常/轻度异常、中度异常、重度异常、无活动 4 级），并以 EDF 与 CSV 格式开放共享，用于脑电培训以及自动分级算法的开发与评估。
实验仪器：脑电图采集监测系统 NicoletOne ICU Monitor；脑电图机 Neurofax EEG-1200
实验步骤
- 受试者纳入与伦理审批
说明：纳入在新生儿重症监护病房接受连续脑电监测、临床诊断为 HIE 的足月新生儿，获得伦理批准与家长知情同意。
关键点：明确 HIE 诊断标准，保证受试者临床资料完整
- 电极安放与脑电采集
说明：按简化 10-20 系统在 C3、C4、F3、F4、O1、O2、T3、T4 及 Cz 放置一次性电极，24 例使用 NicoletOne ICU Monitor 以 256 Hz 采样并以 FCz 为参考，29 例使用 Neurofax EEG-1200 以 200 Hz 采样并以 C3/C4 平均为参考。
关键点：记录设备型号、采样率与参考电极，保证后续数据可比
- 脑电片段筛选
说明：从每例新生儿的长程记录中挑选多个信号质量良好的 1 小时片段，剔除伪迹严重的时段，共得到 169 个 1 小时片段。
关键点：优先选择伪迹少、可评估背景活动的片段
- 专家背景分级
说明：由神经电生理专家依据振幅、连续性、睡眠—觉醒周期、对称性与同步性、异常波形等属性，对每个片段进行 4 级背景严重程度评分。
关键点：采用统一分级量表，并记录是否存在癫痫发作
- 数据整理与技术验证
说明：将片段转换为 EDF 与压缩 CSV 格式，生成分级与元数据文件，并通过频谱功率等定量指标验证各分级间的差异，最后在 Zenodo 公开。
关键点：元数据需包含参考电极、采样率、记录质量与发作信息
实验数据
多导新生儿脑电原始信号
数据来源：NicoletOne ICU Monitor 与 Neurofax EEG-1200 采集的 1 小时 EDF 片段
实验样本：53 例新生儿共 169 个 1 小时片段，NicoletOne 记录采样率 256 Hz、参考 FCz，包含 C3、C4、F3、F4、O1、O2、T3、T4、Cz 通道
数据呈现：多通道脑电时域波形图、时频谱图
脑电背景分级标签
数据来源：专家依据分级量表对每个片段的评分
实验样本：4 级：正常或轻度异常、中度异常、重度异常、无活动
数据呈现：各分级片段数量分布柱状图
记录元数据
数据来源：随数据集发布的 CSV 元数据文件
实验样本：记录质量、是否存在癫痫发作、参考电极、采样频率等信息
数据呈现：表格
方法关联论文：按背景异常严重程度分级的新生儿缺氧缺血性脑病脑电图数据集
基于大规模卷积神经网络的新生儿单通道脑电癫痫发作自动检测实验
方法说明：回顾性收集 332 例新生儿在 NICU 内由 NicoletOne ICU Monitor（Natus）、Neurofax EEG-1200 与 Lifelines EEG 三种脑电图机记录的多导脑电（采样率 200/256/500 Hz），电极覆盖额、颞、中央与枕/顶区。将多导脑电拆分为单通道片段并由专家标注癫痫发作事件（训练集 202 例、超过 50000 小时、12402 次发作），训练不同规模的卷积神经网络，系统考察数据量与模型规模对检测性能的影响，并在两个独立的多评估者验证集（51 例与 79 例）及一个公开数据集上评估，最终 2100 万参数模型达到专家级水平。
实验仪器：脑电图采集监测系统 NicoletOne ICU Monitor；脑电图机 Neurofax EEG-1200；脑电图机 Lifelines EEG
实验步骤
- 回顾性脑电数据收集
说明：从多家新生儿重症监护病房收集使用 NicoletOne ICU Monitor、Neurofax EEG-1200 或 Lifelines EEG 记录的连续脑电，采样率因设备为 200、256 或 500 Hz。
关键点：记录各设备的采样率与电极位置，统一到相同的预处理流程
- 发作事件专家标注
说明：由神经电生理专家对训练集脑电逐段标注癫痫发作的起止时间，两个验证集分别由多名专家独立标注。
关键点：验证集采用多评估者标注以评估评估者间一致性
- 信号预处理与单通道切分
说明：对脑电进行滤波、重采样，把多导记录拆分为单通道片段作为网络输入。
关键点：保证不同采样率设备的数据经重采样后一致
- 卷积神经网络训练与规模扩展
说明：训练不同参数规模的卷积神经网络，并在不同训练数据量下比较性能，考察数据与模型的缩放规律。
关键点：逐步增大数据量与参数量，记录 MCC 与相关系数变化
- 独立验证与专家级比较
说明：在两个独立多评估者验证集和公开数据集上评估模型，计算 MCC、Pearson 相关、AUC，并用 kappa 比较模型替代某位专家后的评估者间一致性。
关键点：以模型替代专家后的 kappa 变化无显著差异作为专家级判据
实验数据
新生儿单通道脑电片段
数据来源：NicoletOne ICU Monitor 等脑电图机采集的多导脑电拆分而得
实验样本：202 例新生儿超过 50000 小时单通道脑电，含 12402 次发作事件
数据呈现：脑电波形叠加发作标注的时序图
检测性能指标
数据来源：模型在独立验证集与公开数据集上的输出与专家标注对比
实验样本：公开数据集上 MCC = 0.764，r = 0.824，AUC = 0.982
数据呈现：性能随数据量/模型规模变化的曲线图、ROC 曲线
评估者间一致性
数据来源：多名专家与模型对验证集的发作标注
实验样本：模型替代专家后 kappa 变化绝对值小于 0.094，p 大于 0.05
数据呈现：kappa 值对比图
方法关联论文：扩展卷积神经网络规模实现新生儿脑电专家级癫痫发作检测
婴儿至青少年 NREM 睡眠起始期脑电与心电正常参考数据集采集实验
方法说明：在赫尔辛基儿童医院临床神经电生理科对 1032 名 2 个月至 16 岁、经 4 年病历随访确认神经发育正常的儿童进行常规脑电检查，使用 Waveguard 脑电帽（ANT Neuro）连接 NicoletOne 脑电系统（Natus Medical）采集 19 导标准 10-20 脑电和 1 导双极胸部心电，统一采样率 250 Hz。截取 N2 睡眠起始前后的脑电/心电片段，转换为 EDF 格式并附匿名化年龄与性别信息，通过振幅、频谱功率与心电质量分类进行技术验证，构建可用于制定儿童脑电/心电正常参考范围、训练基础模型和脑龄预测算法的公开数据集（HK1K）。
实验仪器：脑电图采集监测系统 NicoletOne EEG system；脑电帽 Waveguard
实验步骤
- 受试者筛选
说明：从医院临床脑电记录中筛选 2 个月至 16 岁、脑电与心电符合年龄特征且随后 4 年病历复核显示神经发育正常的儿童。
关键点：以 4 年临床随访确认典型神经发育作为纳入标准
- 脑电与心电采集
说明：使用 Waveguard 脑电帽在 19 个标准 10-20 位置安放电极，连接 NicoletOne 脑电系统；心电通过两枚胸部电极以双极通道记录；所有信号统一以 250 Hz 采样。
关键点：参考电极采用参考导联蒙太奇，采样率统一为 250 Hz
- 睡眠起始片段截取
说明：由临床神经电生理人员判读睡眠分期，截取 N2 睡眠起始前后的脑电/心电片段。
关键点：确保各年龄段片段处于相同睡眠阶段以保证可比性
- 匿名化与数据整理
说明：为每条记录生成随机文件名，保存为 EDF；将量化后的年龄与性别写入 CSV 文件与文件名对应。
关键点：年龄做量化处理以保护隐私
- 技术验证
说明：计算超过 500 µV 的伪迹比例（中位数 0.38%）、分析脑电频谱功率随年龄和性别的关系，并用 9 个频谱特征训练支持向量机对 5 分钟心电片段进行质量分类（3057 段中 124 段被标记为低质量）。
关键点：验证脑电特征与年龄相关而与性别无关，并给出脑龄预测误差 0.8 至 1.4 年
实验数据
儿童睡眠脑电 EDF 文件
数据来源：NicoletOne 脑电系统与 Waveguard 脑电帽采集
实验样本：1032 个 EDF 文件，每个包含 19 导参考蒙太奇脑电与 1 导心电，采样率 250 Hz
数据呈现：多导脑电时序波形、各年龄段频谱功率曲线
受试者人口学信息
数据来源：随数据集发布的 CSV 文件
实验样本：量化年龄与性别，与随机文件名对应
数据呈现：年龄与性别分布直方图
心电质量标签
数据来源：基于 9 个频谱特征的支持向量机分类结果
实验样本：3057 个 5 分钟片段中 124 段被标记为低质量
数据呈现：质量分类结果表格
方法关联论文：婴儿期至青少年期 NREM 睡眠起始前后的脑电与心电记录数据集
主要部件
暂未收录主要部件
相关论文
共 3 篇；当前显示第 1 页
扩展卷积神经网络规模实现新生儿脑电专家级癫痫发作检测
原文题名：Scaling convolutional neural networks achieves expert level seizure detection in neonatal EEG
发表年份：2025
作者：罗伯特·霍根；肖恩·R·马西森；奥雷尔·卢卡；索拉亚·文图拉；肖恩·格里芬；杰拉尔丁·B·博伊兰；约翰·M·奥图尔
刊源：npj Digital Medicine
DOI 10.1038/s41746-024-01416-x查看论文摘要与书目信息
摘要 · 中文整理：新生儿癫痫发作需要紧急治疗，但在缺乏专家脑电监测时常常被漏诊。我们利用 332 例新生儿的回顾性脑电数据开发并验证了一个发作检测模型。卷积神经网络在超过 50000 小时（n = 202）、包含 12402 次发作事件的标注单通道脑电上训练和测试，随后在两个独立的多评估者数据集（n = 51 和 n = 79）上验证。增加数据量和模型规模可提升性能：随数据（模型）规模扩展，Matthews 相关系数（MCC）和 Pearson 相关（r）最多提高 50%（15%）。最大模型（2100 万参数）在一个公开数据集上达到最先进水平（MCC = 0.764，r = 0.824，AUC = 0.982）。该模型在两个验证集上均达到专家级表现，为该领域首次；当模型替代一位专家时，评估者间一致性无显著差异（|Δκ| < 0.094，p > 0.05）。
原文摘要：Neonatal seizures require urgent treatment, but often go undetected without expert EEG monitoring. We have developed and validated a seizure detection model using retrospective EEG data from 332 neonates. A convolutional neural network was trained and tested on over 50,000 hours (n = 202) of annotated single-channel EEG containing 12,402 seizure events. This model was then validated on two independent multi-reviewer datasets (n = 51 and n = 79). Increasing data and model size improved performance: Matthews correlation coefficient (MCC) and Pearson's correlation (r) increased by up to 50% (15%) with data (model) scaling. The largest model (21m parameters) achieved state-of-the-art on an open-access dataset (MCC = 0.764, r = 0.824, and AUC = 0.982). This model also attained expert-level performance on both validation sets, a first in this field, with no significant difference in inter-rater agreement when the model replaces an expert (|Δκ| < 0.094, p > 0.05).
关键词：脑病、诊断、诊断标志物、癫痫、缺氧缺血性脑病
研究目标：新生儿癫痫发作在缺乏专家实时脑电判读时常被漏诊，现有自动检测算法性能尚未达到专家水平。
主要结论：同时扩大训练数据量与模型规模能显著提升新生儿发作检测性能，2100 万参数的卷积神经网络在公开数据集上达到最先进水平，并在两个独立多评估者验证集上首次达到与专家无显著差异的检测水平。
创新点：首次系统证明数据与模型的缩放规律适用于新生儿脑电发作检测；在超过 50000 小时的单通道脑电上训练；首次在独立多评估者验证集上实现专家级性能。
后续建议：开展前瞻性多中心临床试验验证模型的实时床旁应用效果；引入多通道空间信息以提高对局灶性发作的检测；结合可解释性方法揭示模型的决策依据以增强临床信任；评估模型在不同脑电设备与采样率下的鲁棒性；探索模型压缩与边缘部署以降低算力需求
APA 引文：Hogan, R., Mathieson, S. R., Luca, A., Ventura, S., Griffin, S., Boylan, G. B., & O'Toole, J. M. (2025). Scaling convolutional neural networks achieves expert level seizure detection in neonatal EEG. npj Digital Medicine, 8, 17. https://doi.org/10.1038/s41746-024-01416-x
仪器引用：The Neurofax EEG-1200 (Nihon Kohden), NicoletOne ICU Monitor (Natus, USA), or the Lifelines EEG (iEEG Lifelines, Stockbridge, United Kingdom) machines were used to record the EEG. Sampling frequencies were set at 200, 256, or 500 Hz depending on the machine. EEG signals were recorded from the frontal (F3/F4, Fp1/Fp2, or Fp3/Fp4), temporal (T3/T4), central (C3/C4 and CZ), and occipital (O1/O2) or parietal (P3/P4) regions.
使用资料与操作视频
暂未收录使用资料