[论文解读] cSeiz: An Edge-Device for Accurate Seizure Detection and Control for Smart Healthcare

Abu Sayeed, Saraju P. Mohanty+1 more|arXiv (Cornell University)|Aug 21, 2019

EEG and Brain-Computer Interfaces参考文献 41被引用 5

一句话总结

该论文提出了一种基于边缘计算的闭环系统cSeiz，利用脑电信号实现实时癫痫发作检测与靶向药物输送。该系统采用信号拒收算法（SRA）和压电无阀微型泵，使癫痫检测单元的功耗仅为3.2 mW，药物输送单元功耗为29.08 mW，检测灵敏度达96.9%，特异性达97.5%。

ABSTRACT

Epilepsy is one of the most common neurological disorders affecting up to 1% of the world's population and approximately 2.5 million people in the United States. Seizures in more than 30% of epilepsy patients are refractory to anti-epileptic drugs. An important biomedical research effort is focused on the development of an energy efficient implantable device for the real-time control of seizures. In this paper we propose an Internet of Medical Things (IoMT) based automated seizure detection and drug delivery system (DDS) for the control of seizures. The proposed system will detect seizures and inject a fast acting anti-convulsant drug at the onset to suppress seizure progression. The drug injection is performed in two stages. Initially, the seizure detector detects the seizure from the electroencephalography (EEG) signal using a hyper-synchronous signal detection circuit and a signal rejection algorithm (SRA). In the second stage, the drug is released in the seizure onset area upon seizure detection. The design was validated using a system-level simulation and consumer electronics proof of concept. The proposed seizure detector reports a sensitivity of 96.9% and specificity of 97.5%. The use of minimal circuitry leads to a considerable reduction of power consumption compared to previous approaches. The proposed approach can be generalized to other sensor modalities and the use of both wearable and implantable solutions, or a combination of the two.

研究动机与目标

• 解决药物难治性癫痫患者对实时、自动化癫痫控制的未满足需求。
• 开发一种低功耗、可植入或可穿戴的边缘设备，实现闭环癫痫发作检测与药物输送。
• 通过新型信号拒收算法（SRA）和高效微型泵设计，最大限度减少误报和功耗。
• 将癫痫发作检测与药物输送功能集成于单一统一系统中，以提升临床疗效。

提出的方法

• 使用超同步信号检测电路从脑电信号中识别候选癫痫发作事件。
• 应用信号拒收算法（SRA），滤除非癫痫爆发和高频噪声，降低误报率。
• 仅当超同步脉冲超过预设阈值时才触发药物输送，确保闭环运行。
• 采用基于压电（PZT）的无阀微型泵，结合PDMS隔膜，将抗惊厥药物直接输送到癫痫起始区域。
• 优化微型泵结构（如10 mm腔室直径、10°扩散角）以实现最大流量（3.08 ml/min）和最小死体积。
• 通过系统级仿真和基于消费级电子元器件的原理验证测试，对系统进行验证。

实验结果

研究问题

• RQ1 低复杂度、低功耗的癫痫发作检测系统能否在实时脑电图分析中实现高灵敏度与高特异性？
• RQ2 信号拒收算法（SRA）在减少由非癫痫神经爆发和噪声引起的误报方面效果如何？
• RQ3 无阀压电微型泵能否在极低功耗下实现足够流量，以满足临床应用需求？
• RQ4 在可植入应用中，微型泵腔室尺寸、隔膜厚度与容积流量之间的权衡关系如何？
• RQ5 集成的癫痫发作检测与药物输送系统能否实现微型化，适用于可植入使用，同时保持性能？

主要发现

• 所提出的癫痫检测单元在从脑电信号中检测癫痫发作起始时，灵敏度达96.9%，特异性达97.5%。
• 信号拒收算法（SRA）显著减少了误报，通过滤除瞬态高频脉冲和非癫痫爆发。
• 无阀微型泵在130 Hz驱动频率下实现最大流量3.08 ml/min，功耗仅为29.08 mW。
• 癫痫检测单元功耗仅3.2 mW，相比先前系统显著降低。
• 系统级仿真证实了实时闭环癫痫发作检测与药物输送的可行性，延迟为3.6秒。
• 该设计具备可扩展性和通用性，可推广至其他传感器模态及混合可穿戴/可植入配置。