用于人类脑电图癫痫发作建模的多层聚类层次狄利克雷过程模型
应用统计
2012-06-22 v1 机器学习
机器学习
摘要
受人类颅内脑电图（iEEG）癫痫发作记录的多层结构驱动，我们引入了一种新的层次狄利克雷过程变体——多层聚类层次狄利克雷过程（MLC-HDP）——它同时在多个层次上对数据集进行聚类。我们的癫痫发作数据集包含每个患者每次发作时通常超过一百个单独通道记录的脑活动。MLC-HDP模型同时聚类通道类型、发作类型和患者类型。我们详细描述了该模型及其实现。我们还展示了一项模拟研究的结果，将MLC-HDP与类似模型（嵌套狄利克雷过程）进行比较，并最终展示了MLC-HDP在跨多个患者建模癫痫发作中的应用。我们发现MLC-HDP的聚类与独立的人类医生聚类相当。据我们所知，MLC-HDP模型是癫痫文献中第一个能够对患者内部和患者之间的癫痫发作进行聚类的模型。
引用
@article{arxiv.1206.4616,
title = {A Hierarchical Dirichlet Process Model with Multiple Levels of Clustering for Human EEG Seizure Modeling},
author = {Drausin Wulsin and Shane Jensen and Brian Litt},
journal= {arXiv preprint arXiv:1206.4616},
year = {2012}
}
备注
ICML2012