基于先进神经影像与人工智能的 Mental Stress 早期检测
神经元与认知
2019-03-21 v1
摘要
尽管已提出不同神经影像模态来检测精神压力，每种模态均存在一定局限。本研究提出基于特征级融合EEG与fNIRS信号的新方法来检测压力，使用联合独立成分分析（jICA）与典型相关分析方法（CCA），并采用机器学习方法预测压力水平。随后开发jICA与CCA以组合特征来检测精神压力。jICA融合方案通过利用ICA识别各模态中跨受试者以相同方式调制的源，从而发现模态间关系。CCA融合两组特征信息以发现跨模态关联，并最终估计造成这些关联的源。本研究进一步探索功能连接（FC），并基于分类性能评估融合方法的性能，且与各单独模态所得结果比较。jICA融合技术较EEG平均分类准确率、灵敏度与特异度显著提升+3.46%，较fNIRS提升+11.13%。类似地，CCA方法较EEG平均提升+8.56%，较fNIRS平均提升+13.03%。所提融合方法的整体性能显著改善精神压力检测率，p<0.05。FC在压力下显著降低，并提示EEG与fNIRS可作为压力的潜在生物标志物。
引用
@article{arxiv.1903.08511,
title = {Early Detection of Mental Stress Using Advanced Neuroimaging and Artificial Intelligence},
author = {Fares Al-Shargie},
journal= {arXiv preprint arXiv:1903.08511},
year = {2019}
}
备注
190 Pages, 67 Figure, 9 Tables