波形转换,重建相位空间和深度学习神经网络用于基于EEG的精神分裂症检测
Amjed Al Fahoum1, Ala'a Zyout1
1Biomedical Systems and Informatics Engineering Department, Yarmouk University, Irbid 21163, Jordan.
International journal of neural systems
|July 16, 2024
概括
这项研究引入了一个使用电脑电图 (EEG) 信号进行早期精神分裂症诊断的专家系统. 该系统准确地将精神分裂症患者与健康个体区分开来,提供了可靠的诊断工具.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 脑电图 (EEG) 测试是诊断神经系统疾病的经济有效,安全和可靠的方法.
- 传统的EEG分析方法 (时间,频率,时间频率域) 难以检测精神分裂症患者和没有精神分裂症患者之间非静止信号的微妙差异.
- 早期诊断精神分裂症对于有效治疗和改善患者结果至关重要.
研究的目的:
- 开发一种创新的专家系统,用于早期诊断精神分裂症,仅使用EEG信号.
- 增强非静止EEG信号中微妙的区分特征的检测,这些特征在传统分析领域中并不明显.
- 通过先进的信号处理和机器学习技术,提高精神分裂症诊断的准确性和可靠性.
主要方法:
- 利用重建的相位空间 (RPS) 和连续波量变换来最大限度地提高信号差异.
- 采用深度学习网络来增强EEG特征的图像分类.
- 使用不同的数据集分割 (70%的培训,15%的验证,15%的测试),5倍交叉验证和1次遗漏分类,每次代100次以获得稳定性.
主要成果:
- 专家系统表现出了显著的准确性,精度,灵敏度,F1得分,马修斯相关系数和卡帕.
- 在所有评估策略中观察到一致的性能,证实了算法的稳定性和可靠性.
- 该系统成功地和自主地将被诊断为精神分裂症的个体与健康对照区分开来.
结论:
- 建议的专家系统,利用EEG信号与先进的信号处理和深度学习,为早期精神分裂症诊断提供了准确可靠的方法.
- 这种创新方法有效地识别了微妙的EEG信号特征,克服了传统分析方法的局限性.
- 该系统具有作为临床精神病学和神经病学诊断的非侵入性,具有成本效益的工具的巨大潜力.
