基于 fNIRS 的三元双向 LSTM 脑激活模式分类
机器学习
2021-01-18 v1
摘要
功能性近红外光谱(fNIRS)是一种用于研究大脑血流模式的非侵入式、低成本方法。此类模式可使我们对受试者所执行的任务进行分类。在近期研究中,大多数分类系统使用传统机器学习算法进行任务分类。这些方法虽易于实现,但通常精度较低。此外,在实现传统机器学习方法之前,需要复杂的数据预处理阶段。所提出的系统使用基于双向 LSTM 的深度学习架构,利用 fNIRS 数据对任务(包括心算、运动想象和空闲状态)进行分类。此外,该系统相比传统方法所需预处理更少,在节省时间与计算资源的同时,获得了 81.48% 的准确率,显著高于同一数据集上使用常规机器学习算法所获得的准确率。
引用
@article{arxiv.2101.05892,
title = {A Ternary Bi-Directional LSTM Classification for Brain Activation Pattern Recognition Using fNIRS},
author = {Sajila D. Wickramaratne and MD Shaad Mahmud},
journal= {arXiv preprint arXiv:2101.05892},
year = {2021}
}
备注
6 pages, 7 figures