一个新的状态空间模型与动态图形神经网络用于EEG事件检测
Xinying Li1, Shengjie Yan1, Yonglin Wu2
1School of Information Science and Technology, Fudan University, Shanghai 200433, P. R. China.
International journal of neural systems
|February 18, 2025
概括
本研究介绍了DG-Mamba,这是自动电脑图 (EEG) 分析的高效模型. 它显著减少了数据处理时间和内存使用量,同时提高了检测和睡眠阶段等大脑活动的准确性.
科学领域:
- 计算神经科学是一种神经科学.
- 生物医学信号处理
- 机器学习在医疗保健中的应用
背景情况:
- 脑电图 (EEG) 对于大脑活动监测至关重要,但由于大量数据,长期依赖和复杂的空间信息,在自动检测方面面临挑战.
- 现有的方法在计算效率方面扎,并且在EEG信号中准确地捕捉时间和空间特征.
研究的目的:
- 开发一种计算效率高,准确的自动EEG事件检测方法.
- 解决当前模型在处理大型EEG数据集和提取复杂的时空特征方面的局限性.
主要方法:
- 使用范围EEG (rEEG) 来提取时间频率特征以减少数据量.
- 使用Mamba状态空间模型从EEG中有效提取时间特征.
- 将Mamba与动态图神经网络 (DGNNs) 集成,以创建用于增强空间特征获取的DG-Mamba模型.
主要成果:
- DG-Mamba 演示了训练速度提高了10倍,并将内存使用量减少到不到七分之一.
- 在TUSZ数据集上实现了0.931 AUROC的发作检测,超过了基线方法.
- 与所有其他评估模型相比,它在睡眠阶段分类任务中表现出卓越的表现.
结论:
- 提出的 DG-Mamba 模型在高效和准确的 EEG 分析方面取得了重大进展.
- 这种方法有效地克服了与大规模EEG数据相关的计算和特征提取挑战.
- 大马巴总局在自动发作检测和睡眠分期方面显示出对临床应用的巨大希望.
