脑网:一个自动化的方法来预测大脑的压力利用电皮活动信号与XLNet模型
Liao Xuanzhi1, Abeer Hakeem2, Linda Mohaisen2
1College of Electronic and Information Engineering, Beibu Gulf University, Qinzhou, China.
Frontiers in computational neuroscience
|November 8, 2024
概括
这项研究介绍了BrainNet,这是用于连续大脑压力监测的AI模型. 它使用大脑数据准确预测压力水平,优于神经健康洞察力的现有方法.
科学领域:
- 神经科学和人工智能 人工智能
- 计算精神病学是一种计算精神病学.
- 生物医学信号处理
背景情况:
- 压力监测对于神经健康管理至关重要.
- 准确的压力预测需要分析行为和生理数据.
- 现有的方法可能缺乏持续监控能力.
研究的目的:
- 开发一种创新的AI模型,用于持续的脑部压力监测和预测.
- 利用基于注意力机制的XLNet模型 (BrainNet) 进行增强的压力分析.
- 为了验证该模型在已建立的神经数据集上的性能.
主要方法:
- 基于注意力机制的XLNet模型的实施,名为BrainNet.
- 分析大脑数据,包括行为和生理信号.
- 使用Swell和WESAD数据集进行压力水平预测的评估.
主要成果:
- 在Swell多类数据集上,BrainNet实现了95.76%的准确性.
- 该模型在WESAD数据集上达到98.32%的准确性.
- 在Swell数据集上的二进制分类产生了97.19%的准确性,证明了卓越的性能.
结论:
- 脑网模型在持续的大脑压力监测方面取得了重大进展.
- 该模型的高精度和稳定性支持其在智能诊断中的应用.
- 这种方法增强了对神经行为和与压力相关的条件的理解.
