使用卷积自编码器进行近乎无损的EEG信号压缩:对256通道双眼竞争数据集的案例研究
Martin Kukrál1, Duc Thien Pham1, Josef Kohout1
1Faculty of Applied Sciences, University of West Bohemia in Pilsen, Pilsen, 301 00, Czech Republic.
Computers in biology and medicine
|March 6, 2025
概括
这项研究引入了一种新的压缩方法,用于使用人工神经网络的脑电图 (EEG) 数据. 该技术可以显著减少数据,同时保持信号完整性,这对于大规模的大脑活动分析至关重要.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 信号处理 信号处理
背景情况:
- 电脑电图 (EEG) 由于采样率高和多个电极,产生了大量数据集.
- 存储和传输大量的EEG数据存在重大挑战.
- 为了高效的EEG数据管理,需要专门的压缩技术.
研究的目的:
- 为EEG数据开发一种新的压缩方法.
- 为了实现显著的数据减少,同时保持信号保真.
- 为了创建一个灵活的近乎无损的压缩方案,适合EEG.
主要方法:
- 使用一个卷积自编码器,一种人工神经网络,用于损耗压缩.
- 基于用户定义的振幅损失值实施了无损失校正.
- 将该方法应用于256通道双筒对抗EEG数据集进行验证.
主要成果:
- 提出的方法证明了相当大的压缩比率.
- 与基线方法相比,观察到压缩速度的显著改善.
- 压缩方案被证明是灵活的,几乎没有损失.
结论:
- 基于人工神经网络的压缩方法对于大型EEG数据集是有效的.
- 该技术为有效存储和传输大脑活动数据提供了一个有前途的解决方案.
- 对这种压缩方法的进一步研究是有必要的.
