基于EEG分类的伊辛格模型构建时空功能大脑网络
Lingling Wei1, Taorong Qiu1, Wenjie Mei1
1College of Mathematics and Computer Science, Nanchang University, Nanchang 330000, People's Republic of China.
Journal of neural engineering
|July 9, 2025
概括
这项研究引入了一种新的多尺度时空功能大脑网络 (FBN),用于脑电图 (EEG) 分析. 这种新方法在分类大脑状态以检测疲劳,识别情绪和诊断帕金森病方面取得了很高的准确性.
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.
- 生物医学工程 生物医学工程
背景情况:
- 功能性大脑网络 (FBNs) 对于大脑分析至关重要,但往往无法捕捉个人时间相关性和多期特征.
- 现有的单层,单尺度FBN限制了分类的准确性和通用性.
研究的目的:
- 开发一个多尺度的时空FBN,有效地表示从脑电图 (EEG) 数据的时间变化和空间分布.
- 提高用于分类任务的大脑网络分析的准确性和通用性.
主要方法:
- 使用EEG数据构建了一个多尺度的时空FBN,并通过Ising模型结合大脑场数据聚合.
- 计算了符号次序之间的自相对应,以表示时间大脑状态.
- 构建了具有符号序列相关性的时间FBN作为链接权重和具有通道间功能连接的空间FBN.
主要成果:
- 在疲劳检测,情绪识别,帕金森病诊断和运动图像等数据集上实现了高达99%的分类准确性.
- 证明了空间时间FBN方法的有效性,效率和通用性.
结论:
- 时空FBN有效地代表了短期和长期的个体特征.
- 这种方法使个人普遍认可,并准确区分类别.
