基于多核学习利用 STN-LFP 信号进行人类行为任务分类的方法
计算机视觉与模式识别
2016-11-18 v1 神经元与认知
摘要
深部脑刺激（DBS）作为一种缓解帕金森病（PD）障碍的有效方法，已受到越来越多的关注。现有的 DBS 系统是开环的，即系统参数不会根据患者行为自动调整。人类行为分类是设计下一代闭环 DBS 系统的重要步骤。本文提出了一种利用丘脑底核（STN）局部场电位（LFP）信号来识别此类行为任务的分类方法。在我们的方法中，我们使用从左右 STN 记录的原始 LFP 信号的时频表示（频谱图）作为特征向量。然后，通过具有多核学习（MKL）公式的支持向量机（SVM）将这些特征组合在一起。基于 MKL 的分类方法用于分类不同的任务：按钮按压、嘴部运动、言语和手臂运动。我们的实验表明，即使使用以 10 Hz 低采样率获取的信号，lp-范数 MKL 在对五名受试者的行为任务进行分类时，也显著优于基于单核 SVM 的分类器。这导致了更低的计算成本。
引用
@article{arxiv.1607.07987,
title = {A Multiple Kernel Learning Approach for Human Behavioral Task Classification using STN-LFP Signal},
author = {Hosein M. Golshan and Adam O. Hebb and Sara J. Hanrahan and Joshua Nedrud and Mohammad H. Mahoor},
journal= {arXiv preprint arXiv:1607.07987},
year = {2016}
}
备注
38th Annual International Conference of the IEEE Engineering in Medicine and Biology Scociety