UNA-Europa epilepsy challenge
The Seizure Detection Challenge, in collaboration with Una Europa, aims at developing innovative and robust machine learning (ML) frameworks for electroencephalography (EEG) data processing, in which the end use case is detection of epileptic seizures.
Praktische info:
Leertraject
georganiseerd door:
In patients with epilepsy, lifelong treatment with antiseizure medications may be required, as relapse after withdrawal is high and even patients who are considered to be seizure free under treatment, can still relapse. It is, therefore, paramount to accurately detect seizures to improve therapeutic decisions. However, the subtle clinical manifestation of seizures hampers the patient’s and the caregiver’s ability to correctly report the seizure in the seizure diary, as serious underreporting of seizures in self diaries has been reported. As such, the seizure diary is an unreliable method, although commonly used in clinical practice as well as surrogate endpoint in trials for antiseizure medication. Automated EEG-based seizure detection systems are a useful support tool to objectively detect and register seizures during long-term video-EEG recording. However, this standard full scalp-EEG recording setup is of limited use outside the hospital, and a discreet, wearable device is needed for capturing seizures in the home setting. A wearable device that records EEG with behind-the-ear (bhe) electrodes, the SensorDot (SD) of Byteflies, has been developed during SeizeIT study. This CE-marked device is a user-friendly wearable that makes use of two behind-the-ear channels to detect seizures.
Within the scope of this challenge, participants will be presented with a task focused on training ML models to accurately detect seizure events in data obtained from the SD wearable device.
Lesgevers / sprekers
Prof. dr. Maarten De Vos is hoogleraar aan de faculteiten Ingenieurswetenschappen en Geneeskunde van KU Leuven. Hij richt zich op het verbeteren van data science-benaderingen voor verschillende toepassingen in de gezondheidszorg. Zijn AI-oplossingen worden gebruikt op verschillende ziekenhuisafdelingen, variërend van neonatologie tot ouderenzorg.
Ik ben Christos Chatzichristos, momenteel postdoctoraal onderzoeker aan de KU Leuven. Mijn studieloopbaan draait rond elektrotechniek en informatica, met een specialisatie in biomedische toepassingen en de nadruk op signaalverwerking tijdens mijn master- en doctoraatsstudies. Tijdens mijn doctoraat was ik getuige van de diepgaande impact van neurale netwerken op het gebied van signaalverwerking, wat het begin betekende van mijn intrede in het domein van AI-toepassingen. Ik geloof sterk in het bevorderen van brede interdisciplinaire samenwerking, omdat ik geloof dat onderzoek vandaag de dag niet kan gedijen in isolatie binnen één domein. Kunstmatige intelligentie is een krachtig hulpmiddel om onderzoek in de gezondheidszorg te versnellen. Maar om het potentieel ervan echt te benutten, moeten we de kloof overbruggen door professionals in de gezondheidszorg te helpen bij het begrijpen van fundamentele AI-concepten, net zoals ze biomedische ingenieurs helpen bij het ontrafelen van de mysteries van het menselijk lichaam. Dus op naar het gebruik van AI om het onderzoek in de gezondheidszorg te versnellen en er tegelijkertijd voor te zorgen dat we allemaal dezelfde taal spreken - of dat nu de taal van de algoritmen of de taal van de anatomie is!
