一个可解释的耳预测框架使用间隙预脉冲抑制在听觉迟响应和电脑电图
Iqram Hussain1, Chiheon Kwon2, Tae-Soo Noh3
1Institute of Medical and Biological Engineering, Medical Research Center, Seoul National University College of Medicine, Seoul 03080, Republic of Korea; Department of Anesthesiology, Weill Cornell Medicine, Cornell University, New York, NY 10065, USA.
Computer methods and programs in biomedicine
|August 22, 2024
概括
这项研究引入了一种使用听觉迟响应 (ALR) 和电脑电图 (EEG) 数据的新型耳诊断方法. 可解释模型通过分析间隙预脉冲抑制 (GPI) 和EEG光谱特征来准确识别耳声.
科学领域:
- 神经科学是一个神经科学.
- 听觉神经科学 听觉神经科学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 耳是一种神经病理状况,以幻耳声为特征.
- 目前对耳的诊断方法往往是主观和复杂的.
- 需要对耳有客观和可解释的诊断工具.
研究的目的:
- 提出一个可解释的耳诊断框架.
- 使用听觉迟响应 (ALR) 和电脑电图 (EEG) 数据.
- 将差距前冲动抑制 (GPI) 范式纳入耳诊断.
主要方法:
- 从耳患者和对照组收集了EEG和ALR数据.
- 分析了EEG光谱和ALR特征,以响应嵌入空隙的刺激.
- 使用ALR和EEG指标开发了一个可解释的机器学习模型.
主要成果:
- 在耳识别方面取得了90%的准确性,AUC为0.89.
- 确定了嵌入差距的ALR (N1-P2的GPI比率) 和EEG光谱比率作为关键诊断指标.
- 为 tinnitus 诊断提供了个性化的预测解释.
结论:
- 在GPI和特定EEGα-β活性中的缺陷是 tinnitus风险的有希望的指标.
- 拟议的框架提供了一个潜在的听的查工具.
- 这些发现与听力研究中现有的临床见解一致.
