基于隔离森林的长期EEG记录的可靠和快速的自动文物拒绝
Runkai Zhang1, Rong Rong2, John Q Gan3
1Key Laboratory of Child Development and Learning Science of Ministry of Education, School of Biological Science & Medical Engineering, Southeast University, Nanjing, 210096, Jiangsu, People's Republic of China.
Medical & biological engineering & computing
|November 9, 2023
概括
长期EEG (脑电图) 的新自动文物拒绝方法使用隔离森林快速识别和删除损坏的数据段. 这种方法显著提高了数据质量和处理速度,用于广泛的数据集.
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
- 数据科学数据科学数据科学
背景情况:
- 长期脑电图 (长期EEG) 监测在医疗环境中至关重要,但产生了大量数据集.
- 手动选择清洁的EEG数据是耗时和劳动密集的.
- 患者的移动和文物复杂化了自动解密,往往导致数据拒绝.
研究的目的:
- 开发一种快速可靠的自动方法,用于在长期EEG中拒绝严重腐败的时代.
- 在长期EEG数据分析中提高人工物移除的效率和准确性.
主要方法:
- 提出了一种使用隔离森林 (IF) 算法进行长期EEG的新型文物拒绝方法.
- 实施了一种代方法,其中IF检测异常值,一个统计指标 (最小值) 调整先前的边界.
- 将拟议的方法与前期数据集上的最新技术进行了比较,评估了六个统计指标.
主要成果:
- 基于隔离森林的方法,特别是使用"最小"值作为中心点,显示出最佳性能.
- 提出的方法显著提高了整体数据质量,并被证明是非常有效和可靠的.
- 在改善严重损坏的细分数据质量方面超过现有方法,并且由于IF的线性时间复杂性,提供了更高的速度.
结论:
- 开发的自动文物拒绝方法为长期EEG数据处理提供了快速,可靠和有效的解决方案.
- 这种方法显著提高了数据质量,特别是在具有挑战性的,充满文物的记录中.
- 该方法的效率使其有利于分析大规模的长期EEG数据集.
