GEPD:基于 GAN 的 EEG 基于 PD 检测的通用模型
摘要
脑电图 (EEG) 已被证明为检测帕金棄 disease 有效的方法，通常在 early 阶段被诊断。当前帕金棄 disease 检测方法在 individual data set 内显示出显著成功，但不同 EEG data set 之间的检测方法差异大且每个 data set 规模小，这给训练用于 cross-dataset 场景的 generalizable model 带来了挑战。为此，本文提出一种 GAN-enhanced generalizable model，命名为 GEPD，专为 EEG-based cross-dataset classification of PD 设计。首先，我们设计一个生成网络，通过控制 generated data 与 real data 的 distribution similarity 来创建 fusion EEG data。此外，设计了一个 EEG 信号 quality assessment model 以确保 generated data 的 quality。随后，我们设计了一个 classification network，该 network 利用 multiple CNN 的组合有效地捕获 EEG 信号的 time-frequency 特征，同时保持 generalizable 结构并确保 easy convergence。本工作致力于利用 intelligent 方法研究 pathological 表现，旨在促进 neurological disease 的诊断和监测。评估结果表明，我们的 model 在 cross-dataset setting 中表现与 state-of-the-art 模型相当，实现 84.3% 的 accuracy 和 84.0% 的 F1 分数，展示了该 model 的 generalizability。
引用
@article{arxiv.2508.14074,
title = {GEPD:GAN-Enhanced Generalizable Model for EEG-Based Detection of Parkinson's Disease},
author = {Qian Zhang and Ruilin Zhang and Biaokai Zhu and Xun Han and Jun Xiao and Yifan Liu and Zhe Wang},
journal= {arXiv preprint arXiv:2508.14074},
year = {2025}
}
备注
Accepted by International Conference on Intelligent Computing(ICIC 2025)