基于注意力机制的性脑网络的特征分析
Hong-Shi Yu1,2, Xiang-Fu Meng3,4
1School of Electronics and Information Engineering, Liaoning Technical University, Huludao, 125105, China. yuhongshi@lntu.edu.cn.
Scientific reports
|July 3, 2023
概括
这项研究引入了一种新的多频多层大脑网络 (MMBN) 和基于注意力机制的卷积神经网络 (AM-CNN),用于使用电脑电图 (EEG) 信号精确检测.
科学领域:
- 神经科学是一个神经科学.
- 医疗工程 医学工程
- 计算生物学 计算生物学
背景情况:
- 的检测需要高效和准确的系统.
- 电脑电图 (EEG) 信号包含神经疾病诊断的关键信息.
- 对大脑活动的多频分析对于理解复杂的神经状态至关重要.
研究的目的:
- 开发一种基于EEG的先进系统,以准确检测.
- 将多频信息集成到一个统一的大脑网络模型中.
- 为了利用深度学习来加强对大脑网络动态的分析.
主要方法:
- 波段包分解和重建以将EEG信号分割成八个频段.
- 构建一个多频多层大脑网络 (MMBN) 通过分析大脑区域之间跨频段的相关性.
- 基于多分支注意力机制的卷积神经网络 (AM-CNN) 的设计,适合MMBN结构.
主要成果:
- 拟议的MMBN有效地将EEG信号的时间,频率和通道信息映射到多层网络拓中.
- 与MMBN结构相匹配的AM-CNN模型在发病检测方面取得了高性能.
- 在CHB-MIT数据集上的实验结果显示平均准确率为99.75%,灵敏度为99.43%,特异性为99.83%.
结论:
- 在MMBN框架内的多频EEG信息的融合显著提高了的检测准确性.
- AM-CNN模型为基于EEG的神经系统疾病检测提供了强大而可靠的解决方案,特别是.
- 这项研究为神经系统疾病诊断中的临床应用提供了有前途的技术方法.
