使用EEG信号自动检测阿尔茨海默氏症的格子123模式
Sengul Dogan1, Prabal Datta Barua2, Mehmet Baygin3
1Department of Digital Forensics Engineering, College of Technology, Firat University, Elazig, Turkey.
Cognitive neurodynamics
|November 18, 2024
概括
这项研究引入了一种新的Lattice123模式,用于使用电脑电图 (EEG) 信号检测阿尔茨海默病 (AD). 该方法在识别AD时达到98%以上的准确性,为早期诊断提供了一个有前途的工具.
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:
- 阿尔茨海默病 (AD) 诊断依赖于敏感和准确的方法.
- 脑电图 (EEG) 信号提供了一个对大脑活动的非侵入性窗口.
- 目前用于基于EEG的AD检测的特征提取技术需要改进.
研究的目的:
- 开发一个创新的功能工程框架,用于使用EEG信号自动识别阿尔茨海默病.
- 从EEG数据中引入Lattice123模式,以增强从EEG数据中提取纹理特征.
- 通过先进的信号处理和机器学习来实现AD检测的高分类准确性.
主要方法:
- 一个新的Lattice123模式是使用受到香农信息启发的概率函数进行设计的.
- 使用基于距离的内核和多个内核函数的定向图用于特征向量生成.
- 多级离散波段转换 (MDWT) 用于低级波段子频段生成.
- 代的社区组件分析和投票算法用于特征选择和分类.
主要成果:
- 拟议的框架实现了超过98%的分类准确性.
- 获得了超过96%的几何平均值,表明了强大的性能.
- Lattice123模式有效地提取了EEG信号的微妙变化,这对于AD检测至关重要.
结论:
- 开发的Lattice123模式和特征提取框架为从EEG信号中检测阿尔茨海默病提供了准确的方法.
- 这种方法表明了早期和可靠的AD诊断的潜力.
- 原型已准备好通过广泛而多样化的数据集进行验证.
