使用RBF神经网络对脑电图数据进行动态重建
Xuan Wang1, Congcong Du2, Xianjin Ke1
1Department of Neurology, Affiliated Hospital of Jiangsu University, Zhenjiang, Jiangsu, China.
Frontiers in neuroscience
|April 14, 2025
概括
这项研究引入了一种新的方法,使用辐射基函数 (RBF) 神经网络,通过粒子群优化 (PSO) 优化,以分析电脑电图 (EEG) 信号,揭示与年龄相关的大脑动态. 在 RBF 网络上.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 信号处理 信号处理
背景情况:
- 电脑电图 (EEG) 信号复杂且非线性,对传统分析构成挑战.
- 机器学习为克服EEG分析中的这些局限性提供了一个有希望的途径.
研究的目的:
- 开发一种使用辐射基函数 (RBF) 神经网络的新方法,该神经网络通过粒子群优化 (PSO) 优化,用于EEG信号重建.
- 从重建的EEG动态中提取与年龄相关的神经特征.
- 在重建的神经系统中识别固定点,用于定量分析.
主要方法:
- 收集了来自不同年龄组的142名参与者的EEG数据.
- 使用带宽过 (1-35 Hz) 和独立组件分析 (ICA) 预处理的EEG信号.
- 在EEG时间序列数据上训练RBF神经网络,通过PSO优化参数以识别固定点.
主要成果:
- 在EEG信号重建中实现了高精度,正常化根平均平方误差 (NRMSE) 为0.0671 ± 0.0074.
- 证实了模型通过光谱和时间频率分析捕捉振荡的能力.
- 在RBF网络的固定点坐标中确定了与年龄相关的独特模式.
结论:
- 来自RBF网络的固定点坐标作为老化的定量标记.
- 拟议的方法提供了对大脑动态的年龄相关变化的洞察力.
- 这种计算效率高的方法在神经学诊断和认知研究中具有潜在的应用.
