动态稳定循环神经网络优化人工大猩猩部队支持使用EEG信号检测阿尔茨海默氏症疾病

科学领域:

• 生物医学工程 生物医学工程
• 计算神经科学是一种神经科学.
• 人工智能在医学中的应用

背景情况:

• 阿尔茨海默病 (AD) 是一种进展性神经疾病,影响认知,需要早期检测才能有效控制症状.
• 对医疗保健服务的日益增长的需求凸显了对自动诊断工具的需求,以协助临床医生并提高诊断效率.
• 脑电图 (EEG) 信号提供了一种非侵入性的脑活动监测方法,具有早期AD识别的潜力.

研究的目的:

• 开发一种自动化计算机诊断方案,使用脑电图 (EEG) 信号识别阿尔茨海默病 (AD).
• 提出一个新的深度学习模型,动态稳定循环神经网络与人工大猩猩部队 (DSRNN-AGTO-ADD) 进行优化,用于增强AD检测.
• 与现有方法相比,评估拟议模型在提高诊断准确度和减少计算负载方面的有效性.

主要方法:

• 使用动态上下文敏感过器 (DCSF) 预处理EEG信号以消除噪音和干扰.
• 使用自适应和简洁的经验波形变换 (ACEWT) 提取特征,结合信号特征,如功率,方差和曲率.
• 使用动态稳定循环神经网络 (DSRNN) 来对提取的特征进行分类,并使用人工大猩猩部队优化算法 (AGTOA) 进行优化.

主要成果:

• 通过DSRNN-AGTO-ADD方法,诊断性能显著改善.
• 与现有方法相比,实现了更高的特异性 (12.98%,5.98%,23.45%) 和接收器操作特征 (ROC) 评分 (29.29%,8.365%,8.551%,7.915%).
• 展示了缩短的计算时间 (29.98%, 23.32%, 19.76%),表明了计算效率.

结论:

• 拟议的DSRNN-AGTO-ADD算法是一个有前途的自动化工具,可以通过EEG信号准确有效地诊断阿尔茨海默病.
• 集成先进的信号处理和优化技术增强了神经系统疾病的诊断能力.
• 这项研究有助于开发人工智能驱动的医疗保健解决方案,用于早期发现和管理疾病.