区分帕金森病与GLCM特征的区别来自EEG信号的汉基化

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 信号处理 信号处理

背景情况:

• 帕金森病 (PD) 诊断依赖于临床症状,通常在晚期诊断.
• 脑电图 (EEG) 信号显示了PD患者的特征变化,例如降低β活性.
• 需要客观和准确的诊断工具来早期检测PD.

研究的目的:

• 开发和验证一种使用电脑电图 (EEG) 信号分类帕金森病 (PD) 的新方法.
• 为了利用与PD相关的特定EEG信号变化,如降低β活性和振幅下降.
• 将拟议方法的性能与现有的最先进技术进行比较.

主要方法:

• 利用了61名PD患者的EEG数据和61名匹配的健康对照在三个公共数据集 (新墨西哥州,爱荷华州,图尔库) 中.
• 在各种条件下记录了EEG信号:闭眼,眼,双眼,在药物下,在药物下.
• 从HANKELIZEDEEG信号中提取灰级共发生矩阵 (GLCM) 的特征用于分类.
• 员工严格交叉验证 (CV) 和离开一次的交叉验证 (LOOCV) 用于绩效评估,包括10x10折叠的CV.

主要成果:

• 实现了高分类准确度:92.4% (新墨西哥州),85.7% (爱荷华州) 和77.1% (图尔库州) 使用支持矢量机 (SVM) 在10x10折 CV.下.
• 与最先进的方法相比,在将PD患者与健康对照区分开来时表现出优越的表现.
• 新的特征提取和分类方法显示了PD检测的巨大潜力.

结论:

• 提出的基于EEG的方法有效地对帕金森病进行了分类.
• 从汉克化EEG信号中使用GLCM特征为客观的PD诊断提供了一种有前途的方法.
• 这种技术有可能改善帕金森病的早期检测和管理.