有意义与无意义视觉客体的分类：一种图相似性方法
神经元与认知
2017-06-05 v1
摘要
认知涉及亚秒时间尺度上功能性脑网络的动态重构。对这些重构进行精确追踪以对视觉客体进行分类仍难以实现。在此，我们使用20名健康受试者在命名有意义（工具、动物）和杂乱客体时记录的密集脑电图（EEG）数据。我们结合了识别功能性脑网络的技术和最近开发的估计网络相似性的算法来区分这两类客体。首先，我们表明两类客体的动态网络均可分割为若干脑网络状态（具有一致脑网络的时间窗口），反映了从客体表征到反应时间的序列信息处理过程。其次，使用网络相似性算法，结果显示类别内相似性值高，而类别间相似性值非常低。在不同脑网络状态下获得了平均76%的准确率。
引用
@article{arxiv.1706.00603,
title = {Classification of meaningful and meaningless visual objects: a graph similarity approach},
author = {Ahmad Mheich and Mahmoud Hassan and Fabrice Wendling},
journal= {arXiv preprint arXiv:1706.00603},
year = {2017}
}
备注
4 pages, 2 figures, ICABME 2017 conference