以酒精性疾病识别为例的脑电信号处理的 Python（深度学习与机器学习）方法
信号处理
2020-10-23 v1
摘要
酒精成瘾是世界上最常见的疾病之一。这类物质滥用导致对含乙醇饮料的心理和生理依赖。酒精成瘾伴随着人格的渐进性退化和内脏器官的损伤。至今仍不存在检测该疾病的快速诊断方法。本文提出了一种通过神经网络快速且匿名诊断酒精成瘾的方法。对于该方法，不需要关于受试者的任何私人信息。在实现中，我们考虑了机器学习和深度神经网络的多种算法。详细分析了神经网络对电极信号的相关性的分析。考虑了小波变换和快速傅里叶变换。该手稿表明，仅使用 EEG 相关性信号数据集运行的深度神经网络可以以高准确度匿名分类酒精组与对照组。一方面，该方法将允许受试者在无任何个人数据的情况下进行酒精成瘾检测，这不会给受试者带来不便或羞耻；另一方面，受试者将无法欺骗诊断其是否患病专家。
引用
@article{arxiv.2010.11667,
title = {Python (deep learning and machine learning) for EEG signal processing on the example of recognizing the disease of alcoholism},
author = {Ildar Rakhmatulin},
journal= {arXiv preprint arXiv:2010.11667},
year = {2020}
}