平衡频谱、时域和空间信息用于基于EEG的阿尔茨海默病分类
信号处理
2024-05-01 v2 机器学习
神经元与认知
摘要
未来治疗的前景使得开发具有成本效益的阿尔茨海默病（AD）筛查方法成为必要。在这方面，脑电图（EEG）是一个有希望的候选，因为它是最经济的成像模态之一。最近的EEG分析工作已转向利用空间信息，采用诸如图信号处理或图神经网络等新颖框架。在此，我们通过改变每个维度在AD分类中的比例，研究了空间信息相对于频谱或时域信息的重要性。为此，我们在两个常规EEG数据集上系统地测试了各种维度分辨率配置。我们的发现表明，空间信息比时域信息更重要，并且与频谱信息同等重要。在较大的第二个数据集上，用空间信息替代频谱信息甚至导致准确率提高了1.1%，这强调了空间信息在基于EEG的AD分类中的重要性。我们认为，我们基于分辨率的特征提取具有专门改善AD分类以及一般多变量信号分类的潜力。
引用
@article{arxiv.2402.13523,
title = {Balancing Spectral, Temporal and Spatial Information for EEG-based Alzheimer's Disease Classification},
author = {Stephan Goerttler and Fei He and Min Wu},
journal= {arXiv preprint arXiv:2402.13523},
year = {2024}
}
备注
4 pages, 3 figures, conference paper