里曼的几何学增强了基于近红外光谱的功能近红外光谱的脑状态分类准确性

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:

• 功能近红外光谱 (fNIRS) 是一种流行的,非侵入性脑成像技术,由于其便携性和运动强度.
• 然而,与fMRI相比,fNIRS在空间分辨率,覆盖范围和透深度方面存在局限性.
• 目前的fNIRS大脑状态分类方法落后于使用fMRI的方法,因为方法上的进步较少.

研究的目的:

• 开发和评估使用里曼几何学的fNIRS数据的新型分类方法.
• 在fNIRS中利用时间和空间通道关系以及血红蛋白信号的双重性.
• 为了提高fNIRS信号的大脑状态分类的准确性.

主要方法:

• 基于里曼几何学的分类方法应用于从fNIRS数据中获得的内核矩阵.
• 比较不同的内核矩阵估计器和分类器 (里曼支持向量分类器,触点空间后勤回归).
• 与传统的特征提取方法在八项选择和两项选择的大脑状态分类任务中进行了基准测试.

主要成果:

• 里曼的几何方法在八个选择分类中实现了65%的平均准确性,超过了传统方法 (42%).
• 在所有任务组合中,在两种选择分类中实现了96%的平均准确性,明显优于传统模型 (78%).

结论:

• 提出的基于里曼几何学的分类是fNIRS数据的强大和可行的方法.
• 这种方法大大提高了对大脑激活模式的二进制和多类分类的准确性.
• 这项工作代表了fNIRS数据分析和大脑状态分类的重大进步.