变压器通过原始和不平衡的EEG信号自主识别精神功能障碍
Neha Gour1, Taimur Hassan2,3, Muhammad Owais2
1Khalifa University Center for Autonomous Robotic System and Cyber-Physical Security System Center, Department of Electrical Engineering and Computer Science, Khalifa University, Abu Dhabi, United Arab Emirates. neha.gour@ku.ac.ae.
Brain informatics
|September 9, 2023
概括
这项研究表明,人工智能可以使用简短的EEG记录来诊断诸如ADHD和MDD之类的精神障碍. 这为客观的心理健康查提供了新的途径.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 精神病学是一个精神病学.
背景情况:
- 心理障碍的临床诊断具有挑战性,因为它依赖主观采访.
- 使用生物标记器的自动查工具正在引起人们对早期发现精神健康状况的兴趣.
研究的目的:
- 用原始电脑电图 (EEG) 数据证明使用人工智能驱动精神障碍诊断的可行性.
- 用静止EEG来分类神经类型的个体和患有严重抑郁症 (MDD),注意力缺陷多动症 (ADHD),主观记忆障碍 (SMC) 或强迫症 (OCD) 的人.
主要方法:
- 一个基于变压器的AI架构被设计和优化以从2分钟的原始EEG数据中对精神障碍进行分类.
- 该模型使用焦点损失和类重量平衡来解决类不平衡.
- 用于分类的是包括1274名参与者的TDBRAIN数据集.
主要成果:
- 人工智能模型在分类5个类别 (神经典型,MDD,ADHD,SMC,OCD) 中,达到63.2% (眼睛开放) 和65.8% (眼睛关闭) 的窗口级准确度.
- 当分类三个主要类别 (MDD,ADHD,SMC) 时,窗口级准确性提高到75.1% (眼睛打开) 和69.9% (眼睛关闭).
结论:
- 基于人工智能的对短暂的静止状态EEG数据的分析显示,对精确的精神障碍诊断有很大的希望.
- 这种方法可能会导致用于心理健康查的新型客观诊断工具.
