有效的新型网络和指数用于从EEG检测中检测酒
Muhammad Tariq Sadiq1, Siuly Siuly2, Ahmad Almogren3
1Advanced Engineering Centre, School of Architecture, Technology and Engineering, University of Brighton, Brighton, BN2 4AT UK.
Health information science and systems
|June 20, 2023
概括
这项研究引入了一个自动化系统,使用脑电图 (EEG) 信号来检测酒精,达到97.5%的准确性. 这种新型指数为识别酒精使用障碍提供了100%准确的实时解决方案.
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
- 机器学习 机器学习
背景情况:
- 酒是一种严重的疾病,导致严重的脑损伤和神经,社会和行为问题.
- 目前的评估方法,如削减,烦,内和眼睛开启器 (CAGE) 技术,耗时且容易出现错误.
研究的目的:
- 开发一种自动化系统,使用脑电图 (EEG) 信号识别酒症.
- 克服现有诊断方法的局限性.
- 帮助从业者和研究人员诊断酒.
主要方法:
- 研究了EEG信号的快速Walsh-Hadamard转换,以分析信号变化.
- 从EEG信号中识别了36个线性和非线性特征,用于模式破译.
- 采用了特征选择策略,并评估了19个机器学习算法和5个神经网络分类器.
主要成果:
- 使用基于关联的特征选择与循环神经网络实现了97.5%的准确性,96.7%的灵敏度和98.3%的特异性.
- 获得了93.3%的分类准确度,具有新的矩阵决定性特征.
- 开发了一种具有临床意义的特征的独特指数,用于100%准确地分类健康和酒者之间的个人.
结论:
- 拟议的自动化系统有效地使用EEG信号识别酒精.
- 新的索引提供了一个非常准确和高效的工具,用于实时检测酒精.
- 这项技术可以帮助医疗保健专业人员和工程师开发先进的诊断系统.
