基于脑电图分析的机器学习算法在脑卒中诊断与预后中的应用综述
信号处理
2020-08-20 v1 机器学习
摘要
目前，脑卒中是美国成人致残的首要原因。物理治疗和组织型纤溶酶原激活剂等传统治疗与康复手段在恢复患者活动能力与功能方面的有效性和能力有限。因此，存在大幅改善脑卒中治疗的机遇。机器学习，特别是利用脑机接口（BCIs）帮助患者恢复神经通路或与电子假肢有效通信的技术，在脑卒中诊断与康复应用中均展现出有前景的结果。本综述对设计并实施用于脑卒中患者治疗的脑机接口的相关文献进行评估，并根据其在脑卒中诊断或脑卒中康复中的成功应用进行分类。所探讨并与脑机接口技术相结合的各类机器学习技术与算法表明，脑机接口用于脑卒中治疗是一个前景广阔且迅速扩展的领域。
引用
@article{arxiv.2008.08118,
title = {Review of Machine Learning Algorithms for Brain Stroke Diagnosis and Prognosis by EEG Analysis},
author = {Mohammad-Parsa Hosseini and Cecilia Hemingway and Jerard Madamba and Alexander McKee and Natalie Ploof and Jennifer Schuman and Elliot Voss},
journal= {arXiv preprint arXiv:2008.08118},
year = {2020}
}