基于格尔什戈林圆周定理的特征提取用于生物医学信号分析.
Sahaj A Patel1, Rachel June Smith1, Abidin Yildirim1
1Department of Electrical and Computer Engineering, University of Alabama at Birmingham, Birmingham, AL, United States.
Frontiers in neuroinformatics
|May 31, 2024
概括
一种新的格什戈林圆特征提取 (GCFE) 方法通过有效地从图形网络中提取特征来增强生物医学信号分析. 与现有技术相比,GCFE表现出卓越的准确性和计算效率.
科学领域:
- 生物医学信号处理
- 图形理论应用 图形理论应用
- 医疗保健中的机器学习
背景情况:
- 图形理论越来越多地用于生物医学信号分析,将信号转化为图形网络.
- 图形矩阵的高维度导致显著的计算需求,需要高效的特征提取.
- 现有的方法在复杂的生物医学信号分析中难以实现计算效率和准确性.
研究的目的:
- 介绍一种新的,计算效率高的生物医学信号特征提取技术.
- 应用格尔什戈林圆定理来创建格尔什戈林圆特征提取 (GCFE) 方法.
- 评估GCFE的表现与使用各种生物医学数据集的既定方法相比.
主要方法:
- 开发了Gershgorin Circle Feature Extraction (GCFE) 技术,使用从可见度图表中修改的加权拉普拉斯矩阵.
- 在EEG数据中应用GCFE来分类神经尖峰并区分发作和非发作事件.
- 与两个可见度图和其他七个特征提取算法的GCFE有效性进行了比较.
主要成果:
- 与其他七种特征提取方法相比,GCFE实现了更高的性能和更高的精度,平均精度差异为2.67%.
- GCFE 方法表现出显著的计算效率,优于其他技术.
- 在所有实验数据集中始终保持卓越的性能突显了GCFE的稳定性.
结论:
- GCFE为生物医学信号分类提供了一个计算效率高,准确的方法.
- 该方法对实时应用非常有希望,特别是在分析电心电图等信号时.
- GCFE代表了复杂的生物医学数据分析特征提取的重大进步.
