CareLit Fachartikel
Maschinelles Lernen zur Detektion pathologischer Spontanaktivität in der Elektromyografie anhand von Audiosignalen
Korbinian Holzapfel, Thorsten Schöler, Markus Naumann, Lisa De Rijke · Klinische Neurophysiologie · 2025 · Heft 02 · S. 72-79
Dokument
951852
CareLit-ID
Jahr
2025
Publikation
PDF
nein
Metadaten
DOI
ja
zitierfähig
Bibliografische Angaben
Zusammenfassung
Zusammenfassung Ziel Die Erkennung pathologischer Spontanaktivität in der Elektromyografie (EMG) ist entscheidend für die Diagnostik neuromuskulärer Erkrankungen. Die vorliegende Studie untersuchte den automatisierten Einsatz von maschinellem Lernen zur Identifikation pathologischer Spontanaktivität aus EMG-Audiodaten. Methodik Anonymisierte Audiodaten von 40 Patienten mit Willkür- oder pathologischer Spontanaktivität wurden extrahiert und in kurze Segmente aufgeteilt. Verschiedene Algorithmen wie Random Forest, K-Nearest Neighbors (KNN), Support Vector Classifier (SVC), ein Feedforward-Netzwerk und ein Autoenco…
Schlagworte
Elektromyografie
Positive scharfe Wellen
Fibrillationen
Tiefes neuronales Netzwerk
Positive Sharp Waves
Fibrillations
Deep Neural Network
Electromyography
Klinische Neurophysiologie
