相关实验视频
Updated: Jul 23, 2025
09:32
Cortical Source Analysis of High-Density EEG Recordings in Children
Published on: June 30, 2014
21.4K
母波段和人工智能模型的最佳组合,用于精确分类儿科电网红图信号
Mikhail Kulyabin1, Aleksei Zhdanov2, Anton Dolganov2
1Pattern Recognition Lab, University of Erlangen-Nuremberg, 91058 Erlangen, Germany.
Sensors (Basel, Switzerland)
|July 14, 2023
概括
分析儿科电网红图 (ERG) 信号的最佳人工智能 (AI) 模型是视觉转换器与Ricker Wavelet相结合,在疾病检测中实现高精度.
科学领域:
- 眼科医生 眼科 眼科
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 医疗保健技术的进步正在彻底改变疾病的发现,诊断和预测.
- 人工智能 (AI) 对精准医学至关重要,增强疾病预防,检测和个性化治疗.
研究的目的:
- 确定母波和AI模型的最佳组合,用于分析儿科电网红图 (ERG) 信号.
- 用ERG数据评估各种AI模型在使用ERG数据对健康与不健康患者进行分类方面的准确性.
主要方法:
- 连续波形转换 (CWT) 应用于ERG信号,以创建时间频率表示 (波形图像).
- 五个深度学习模型 (VGG-11,ResNet-50,DensNet-121,ResNext-50,Vision Transformer) 使用这些波形图像进行了训练.
- 基于对ERG信号分类的准确性来评估模型性能.
主要成果:
- 瑞克波形和视觉变压器的组合显示了ERG分析中最高的中位精度.
- 在不同的ERG信号类型中,最佳组合的中位平衡精度达到0.83,0.85和0.88.
- 几种波段类型实现了高精度,强调了波段选择的重要性.
结论:
- 瑞克波段和视觉变压器组合在儿科ERG信号分析中非常有效.
- 这项研究提供了宝贵的见解,用于选择最佳的波形模型对来进行准确的ERG分类.
- 仔细选择母波小组对于在ERG分析中实现高分类准确性至关重要.
