不同算法（可能）揭示不同模式：一项脑龄预测案例研究
信号处理
2024-02-16 v1 机器学习
定量方法
摘要
机器学习是一个快速发展的领域，拥有广泛的应用，包括生物信号分析，其中新算法往往能提升最先进水平 (SOTA)。然而，对算法变异性的鲁棒性——即不同算法一致地揭示相似发现——很少被探索。在本文中，我们调查了脑龄预测中既定的假设是否在 EEG 研究中跨算法得到验证。首先，我们调研了文献并确定了各种已知对脑龄预测具有信息量的特征。我们采用了多样的特征提取技术、处理步骤和模型，并利用 SHapley Additive exPlanations (SHAP) 值的解释能力将我们的发现与该领域的现有研究保持一致。我们的少数模型在我们使用的特定数据集上达到了 SOTA 性能。此外，分析表明，虽然大多数模型确实在 EEG 信号中揭示了相似的模式，但仍可观察到一些变异性。最后，一些显著的发现只能使用特定模型进行验证。我们最后建议了对这种缺乏对模型变异性鲁棒性的潜在影响的补救措施。
引用
@article{arxiv.2402.09464,
title = {Different Algorithms (Might) Uncover Different Patterns: A Brain-Age Prediction Case Study},
author = {Tobias Ettling and Sari Saba-Sadiya and Gemma Roig},
journal= {arXiv preprint arXiv:2402.09464},
year = {2024}
}