融合电脑图通道的空间结构可以增加功能连接网络的个性化
Ming Li1, Jun Yang1, Wenli Tian1
1College of Intelligence Science and Technology, National University of Defense Technology, Changsha, China.
Frontiers in computational neuroscience
|November 29, 2023
概括
这项研究引入了一种新的脑电图 (EEG) 功能连接 (FC) 网络,其中包含空间关系. 这种新方法提高了人身识别的准确性和稳定性,即使缺少EEG通道.
科学领域:
- 神经科学是一个神经科学.
- 信号处理 信号处理
- 生物医学工程 生物医学工程
背景情况:
- 脑电图 (EEG) 功能连接 (FC) 网络对于基于EEG的个人识别至关重要.
- 基于统计依赖的传统FC网络忽视了空间关系,影响了算法性能和预处理依赖.
- 由于体积传导,EEG信号表现出空间平滑性,这表明空间信息可以改进FC网络.
研究的目的:
- 通过虚拟节点,提出一个新的EEG FC网络,集成空间关系和功能连接.
- 提高基于EEG的人身份识别算法的个性化和准确性.
- 提高识别算法的稳定性,防止道去除,减少预处理依赖.
主要方法:
- 开发一个EEG FC网络,其中包含虚拟节点来表示空间关系.
- 整合功能连接 (统计依赖) 与网络内的空间信息.
- 与传统方法相比,评估拟议网络在个人识别方面的表现.
主要成果:
- 与传统方法相比,新型的EEG FC网络显示出更高的个性化.
- 即使没有信号预处理,也能达到98.64%的高识别精度.
- 该算法表现出显著的稳定性,在减少频道数量甚至在广泛的频道删除中表现良好.
结论:
- 拟议的带有虚拟节点的EEG FC网络提供了更准确和个性化的脑活动表示.
- 这种方法显著提高了基于EEG的人身份识别的准确性和稳定性.
- 该方法减少了对广泛信号预处理的需求,并且对通道损失具有弹性.
