利用几何机器学习解码压力下的大脑
机器学习
2025-06-03 v1
摘要
压力显著促成了精神和身体疾病，然而传统的自我报告问卷本质上具有主观性。在本研究中，我们引入了一种新颖的框架，该框架采用几何机器学习从原始 EEG 记录中检测压力。我们的方法通过整合结构连接性（源自电极空间排列）与来自成对信号相关性的功能连接性来构建图。时空图卷积网络 (ST-GCN) 处理这些图以捕捉空间和时间动态。在 SAM-40 数据集上的实验表明，ST-GCN 在所有关键分类指标上均优于标准机器学习模型，并通过对关键通道和大脑区域的消融分析探索了其可解释性。这些结果为更客观、更准确的压力检测方法铺平了道路。
引用
@article{arxiv.2506.00587,
title = {Decoding the Stressed Brain with Geometric Machine Learning},
author = {Sonia Koszut and Sam Nallaperuma-Herzberg and Pietro Lio},
journal= {arXiv preprint arXiv:2506.00587},
year = {2025}
}
备注
12 pages, 5 figures. This version has been accepted as a full paper at the 2025 AI in Healthcare (AIiH) Conference