使用脑电图的多模式频率特征识别中风损伤区域

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 信号处理 信号处理

背景情况:

• 准确识别脑损伤区域对于有效的中风康复至关重要.
• 脑电图 (EEG) 信号提供了一种非侵入性的方法来分析大脑活动.

研究的目的:

• 开发和验证一种新的方法来使用多模电脑电图特征对中风损伤区域进行分类.
• 提高中风检测和定位的准确性,以获得更好的患者结果.

主要方法:

• 提取波段包转换 (WPT) 功能用于对EEG信号的时间频率分析.
• 计算阶段锁定值 (PLV) 和部分定向相关性 (PDC) 来从大脑网络中推导功能连接 (FC) 特征.
• 融合了WPT和FC特征,然后利用ResNet50卷积神经网络对受中风影响的大脑区域进行分类.

主要成果:

• 使用聚合多模式EEG特征实现了99.75%的高分类准确度.
• 证明了拟议方法在区分不同中风损伤区域 (右,左,双边) 的有效性.

结论:

• 来自EEG的多模频率特征是区分中风损伤区域的一个有希望的指标.
• 开发的方法有可能优化脑电脑接口中的解码算法,用于中风患者.