CONECT:新型权重网络框架利用角度关系连接 (ARC) 和基于EEG的痴呆症分类的元启发算法
Akashdeep Singh1, Supriya Supriya2, Siuly Siuly1
1Institute for Sustainable Industries and Liveable Cities, Victoria University, Melbourne, VIC 3011, Australia.
Sensors (Basel, Switzerland)
|December 31, 2025
概括
一个名为CONECT的新框架将脑电图 (EEG) 信号转化为复杂的网络,通过分析信号几何学来改进痴呆症亚型的分类. 这种方法为诊断痴呆提供了更准确,更易于解释的方法. 关键词:痴呆症诊断,脑电图分析,CONECT框架,神经科学.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 医疗成像医学成像
背景情况:
- 使用脑电图 (EEG) 的痴呆症亚型分类具有挑战性.
- 传统的EEG分析往往忽略了重要的几何和结构信号信息.
- 现有的方法可能无法完全捕捉痴呆症神经动态的复杂性.
研究的目的:
- 介绍CONECT (复杂网络转换和拓学),这是EEG分析的新框架.
- 提高痴呆症亚型分类的准确性和可解释性.
- 探索基于网络拓和信号几何学的新型EEG生物标志物.
主要方法:
- 使用新的角度关系连接 (ARC) 规则将EEG时间序列转换为加权网络.
- 开发了一个可调节的边缘权重函数,集成了振幅,时间和角度组件.
- 提出了新的基于图形的特征:加权角度不规则指数 (WAII) 和基于曲率的边缘特征指数 (CBEFI).
- 在OpenNeuro ds004504数据集上进行特征选择的应用群优化 (ACO).
主要成果:
- 康涅克特框架表明了精确的痴呆症亚型分类的潜力.
- 新型基于图形的特征 (WAII,CBEFI) 显示出作为痴呆症生物标志物的前景.
- 殖民地优化提高了分类性能和模型透明度.
- 基于几何学的方法有效地捕获了局部的不规则性和信号几何.
结论:
- CONECT为痴呆症诊断提供了一个有前途的,可解释的,并以几何信息为基础的框架.
- 这种基于网络的新方法在神经科学中推进了EEG信号分析.
- 这种方法有可能在临床环境中用于痴呆症亚型识别的实际应用.
