Project
DeepEpilepsy
Inteligencia artificial para mejorar dispositivos implantables bidireccionales de tratamiento de epilepsia
Deep learning en detección de patrones epileptogénicos en dispositivos implantables bidireccionales.
Para el tratamiento de epilepsia refractaria a la medicación, existe un dispositivo implantable a lazo-cerrado que permite el monitoreo y estimulación de ciertas zonas del cerebro. Los datos recopilados mediante esta neurotecnología son señales intracraneales de EEG (iEEG), las cuales pueden contener patrones epileptogénicos. Dentro de este contexto, trabajamos en el desarrollo de herramientas computacionales que permitan la identificación robusta de patrones epileptogénicos, y la identificación de cambios de respuesta neurofisiológica al tratamiento.
In collaboration with
-
Brain-Modulación Lab
MGH-Harvard, USA.
Related publications
- Martín Robins, Valentina Gigy, R. Mark Richardson, Victoria Peterson (2026). Detection of Epileptogenic Patterns in Thalamic Neurostimulated Signals through Spatial Deep Attention. Computational neuroscience (A. Talevi & V. Rosa Cota, Eds.), Springer, 12–22. https://doi.org/10.1007/978-3-032-14664-9_2
- Victoria Peterson, Vasileios Kokkinos, Enzo Ferrante, Ashley Walton, Timon Merk, Amir Hadanny, Varun Saravanan, Nathaniel Sisterson, Naoir Zaher, Alexandra Urban, R. Mark Richardson (2023). Deep net detection and onset prediction of electrographic seizure patterns in responsive neurostimulation. Epilepsia, 64(8), 2056-2069. https://doi.org/10.1111/epi.17666
Data and code
iESPnet Python implementation: Github Repo
Funding
R61NS126776, NINDS-NIH