基于EEG的轻度认知障碍的检测使用基于DWT的特征和优化方法.
Majid Aljalal1, Saeed A Aldosari1, Khalil AlSharabi1
1Department of Electrical Engineering, College of Engineering, King Saud University, Riyadh 11421, Saudi Arabia.
Diagnostics (Basel, Switzerland)
|August 10, 2024
概括
这项研究使用离散波波变换 (DWT) 和机器学习来从电脑电图 (EEG) 信号中检测轻度认知障碍 (MCI). 优化的通道选择显著提高了准确性,为基于EEG的实际诊断铺平了道路.
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:
- 电脑电图 (EEG) 越来越多地被用于识别神经系统疾病.
- 准确检测轻度认知障碍 (MCI) 对于及时干预至关重要.
- 传统的EEG分析通常涉及多个道,这对临床应用提出了挑战.
研究的目的:
- 开发和验证基于离散波波变换 (DWT) 的生物标志物,用于从EEG信号中检测MCI.
- 通过使用多目标优化来研究降低EEG通道数量对MCI分类准确性的影响.
- 评估用于临床MCI诊断的减少通道EEG系统的可行性.
主要方法:
- 分析了29名MCI患者和32名健康受试者的EEG信号.
- 应用了离散波纹转换 (DWT) 来分解EEG信号并提取非线性特征.
- 机器学习分类器被训练在提取的特征.
- 用多目标优化算法 (NSGA-II,NSGA-III,PSO) 来进行最佳道选择.
主要成果:
- 基于DWT的功能在完全使用EEG通道 (99.84%) 的情况下实现了高分类准确性.
- 优化选择更少的频道,特别是使用NSGA-II,NSGA-III或PSO,在四个频道的情况下,精度提高到99.97%.
- 使用NSGA-II进行的五通道选择实现了100%的完美分类准确度.
结论:
- 基于DWT的特征提取为使用EEG检测MCI提供了一个有前途的方法.
- 战略性减少和选择EEG通道可以改善,而不是阻碍分类准确性.
- 一组最小的优化EEG通道对MCI的成本效益和有效的临床诊断具有重大潜力.


