相关实验视频
Updated: Jun 30, 2025
06:04
Functional Mapping with Simultaneous MEG and EEG
Published on: June 14, 2010
17.9K
优化多层感知器用于传感运动功能映射,基于几分钟的内脑电图数据
Alwan Iktimal1, Dennis D Spencer2, Rafeed Alkawadri1
1Human Brain Mapping Program, University of Pittsburgh Medical Center, Pittsburgh, PA.
Annals of neurology
|March 20, 2024
概括
一个优化的神经网络准确地绘制了感觉运动皮质,并通过在睡眠期间使用内脑电图 (EEG) 在患者中识别了中心. 功能扩展和加权数据改善了多层感知子模型的性能.
科学领域:
- 计算神经科学是一种神经科学.
- 的研究研究.
- 机器学习在医学中的应用
背景情况:
- 感觉运动皮质 (SM) 和中部 (CS) 的精确定位对于难治性的手术规划至关重要.
- 目前的方法可能在精度和侵入性方面存在局限性.
- 内脑电图 (icEEG) 在睡眠期间提供高分辨率的大脑活动数据.
研究的目的:
- 开发和评估一个优化的多层感知器 (MLP) 神经网络,用于绘制SM和识别CS.
- 用多个定量指标来评估MLP的表现.
- 调查特征扩展和权重不平衡数据对MLP疗效的影响.
主要方法:
- 在患有难治性的患者中,在睡眠期间利用了6分钟的自由运行icEEG记录.
- 开发了一种具有特定层配置的MLP神经网络 (4个神经元,过度 TanH 和高斯激活函数).
- 采用十倍交叉验证,并使用准确度,AUC,回忆,精度,F1分数和特异性来评估性能.
主要成果:
- 优化的MLP模型证明了SM的准确映射和CS的识别.
- 特征扩展 (ε) 和加权不平衡数据 (w) 显著改善了MLP性能指标.
- 该研究在临床神经生理学背景下对MLP的疗效进行了强有力的评估.
结论:
- 一个优化的MLP神经网络是使用icEEG在患者中精确的神经解剖绘制的可行工具.
- 拟议的方法有可能改善治疗难治性的手术前评估.
- 进一步的研究可以探索这种机器学习方法在神经外科手术中的更广泛应用.
