SDA:一个数据驱动的算法,检测功能状态,应用于Guhyasamaja冥想EEG的功能状态
Ekaterina Mikhaylets1, Alexandra M Razorenova1,2, Vsevolod Chernyshev1
1Faculty of Computer Science, Faculty of Economic Sciences, HSE University, Moscow, Russia.
Frontiers in neuroinformatics
|February 13, 2024
概括
新的状态检测算法 (SDA) 使用未标记的脑电图 (EEG) 记录在时间序列数据中识别隐藏的功能状态. 这种数据驱动的方法为冥想期间的心理过程提供了可靠的见解.
科学领域:
- 神经科学是一个神经科学.
- 数据科学数据科学数据科学
- 信号处理 信号处理
背景情况:
- 时间序列数据通常包含隐藏的功能状态.
- 检测这些状态对于理解冥想等复杂过程至关重要.
- 现有的方法可能需要标记数据或与连续状态检测作斗争.
研究的目的:
- 引入一种新的算法,即状态检测算法 (SDA),用于在未标记的时间序列数据中检测时间连续状态.
- 为了验证SDA的性能,使用从冥想从业者的脑电图 (EEG) 数据.
- 开发用于估计SDA表现和信心的方法,而不需要基础真相注释.
主要方法:
- 状态检测算法 (SDA) 采用了一组带有时间连接约束的沃德等级集群.
- 该算法通过最大限度地集群质量指标来优化状态数量及其边界.
- 使用信息价值分析,配对统计测试和预测建模来估计性能和信心.
主要成果:
- 在Guhyasamaja冥想练习期间,SDA成功地识别了不同的EEG状态.
- 后期分析显示,确定的EEG状态与基线/邻近状态之间存在显著差异.
- 该SDA表现出稳定性和稳健性,优于混合替代数据的分析.
结论:
- 状态检测算法 (SDA) 是一种通用,数据驱动的方法,用于发现时间序列数据中隐藏的功能状态.
- 它特别有效地分析神经生理数据,如EEG,在正在进行的心理过程中,如冥想.
- 在不需要预先标记的数据的情况下,SDA提供了一种可靠的方法来理解动态的认知和心理状态.
