利用变分自编码器学习脑电数据的生成因子
机器学习
2022-08-18 v3 神经元与认知
摘要
脑电图产生高维随机数据，从中提取关于感兴趣现象的高层知识可能具有挑战性。我们通过将变分自编码器框架应用于1)分类多种病理与2)以数据驱动方式恢复这些病理的神经机制来应对该挑战。我们的框架学习与病理相关的数据生成因子。我们提供一种算法进一步解码这些因子，并揭示不同病理如何影响观测数据。我们阐明了所提方法在识别精神分裂症(伴或不伴听觉言语幻觉)上的适用性。我们进一步证明该框架学习到与当前领域知识一致的疾病相关机制的能力。我们还将该框架与若干基准方法比较，并指出其分类性能与可解释性优势。
引用
@article{arxiv.2206.01939,
title = {Learning Generative Factors of EEG Data with Variational auto-encoders},
author = {Maksim Zhdanov and Saskia Steinmann and Nico Hoffmann},
journal= {arXiv preprint arXiv:2206.01939},
year = {2022}
}
备注
Accepted to DGM4MICCAI workshop at MICCAI 2022