基于 SSA 分量相关与卷积神经网络的脑电信号阅读障碍检测
信号处理
2023-10-20 v1 机器学习
神经与进化计算
摘要
客观的阅读障碍诊断并非易事，因其传统上通过对不同行为测试的解读来进行。此外，这些测试仅适用于已具备阅读能力者。如此，早期诊断需要使用不仅与阅读相关的特定任务。因此，使用脑电图（EEG）构成了一种可与阅读前儿童使用的客观且早期的诊断替代方案。就此而言，EEG 信号中相关特征的提取对分类至关重要。然而，最具相关特征的识别并不简单，且时域或频域的预定义统计量并非总具足够判别力。另一方面，基于提取 EEG 频带频率描述子的经典 EEG 信号处理，通常对原始信号作某些假设，可能导致信息丢失。本工作中，我们提出一种基于奇异谱分析（SSA）的频域分析替代方案，将原始信号拆分为代表不同振荡模式的分量。此外，利用卷积神经网络对各分量在 EEG 通道间获得的相关矩阵进行分类。
引用
@article{arxiv.2010.13731,
title = {Dyslexia detection from EEG signals using SSA component correlation and Convolutional Neural Networks},
author = {Andrés Ortiz and Francisco J. Martinez-Murcia and Marco A. Formoso and Juan Luis Luque and Auxiliadora Sánchez},
journal= {arXiv preprint arXiv:2010.13731},
year = {2023}
}
备注
11 pages, 7 figures. Submitted to conference