在MEG时间序列上使用MiniRocket的神经指纹
Nikolas Kampel1,2,3, Christian M Kiefer1,4, N Jon Shah1,5,6,7
1Institute of Neuroscience and Medicine (INM-4), Forschungszentrum Jülich GmbH, Jülich, Germany.
Frontiers in neuroscience
|October 6, 2023
概括
使用磁大脑图 (MEG) 的神经指纹现在非常准确. 新的方法将大脑活动分为1秒段,达到99%以上的准确性,用于个人识别.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 生物医学信号处理
背景情况:
- 神经指纹识别通过脑活动记录来识别个体.
- 当前的M/EEG方法经常使用二次统计数据,忽视时间动态.
- 磁脑电图 (MEG) 和电脑电图 (EEG) 是关键的神经成像技术.
研究的目的:
- 评估神经指纹的先进的多变量时间序列分类.
- 评估ROCKET分类器在短MEG静止状态数据段上的有效性.
- 为了提高个体识别准确性和神经成像中的效率.
主要方法:
- 应用了随机卷积式Kernel转换 (ROCKET) 分类器.
- 使用静止状态MEG数据的短时间段 (1秒窗口).
- 在124个受试者的队列上进行了测试,以进行个人分类.
主要成果:
- 在对象识别方面实现了超过99%的分类准确性.
- 与以前的神经指纹采集方法相比,其表现优越.
- 需要更短的时间段来准确分类.
结论:
- 多变量时间序列分类,特别是ROCKET,可以实现高度准确的神经指纹.
- 这种方法有效地捕捉到MEG数据中的个体时间动态.
- 该方法提供了一种更有效,更准确的方法,可以通过神经成像来识别个体.
