稀疏动态特征生成及其在帕金森病诊断中的应用
系统与控制
2023-03-31 v2 机器学习
系统与控制
摘要
在本研究中，我们聚焦于基于脑电图（EEG）信号的帕金森病（PD）诊断。我们提出了一种受大脑功能启发的全新方法，利用 EEG 的动力学、频率和时间内容来提取该疾病新的区分性特征。该方法在一个公开可用数据集上进行了评估，该数据集包含在涉及 N = 50 名受试者的 3-oddball 听觉任务期间记录的 EEG 信号，其中 25 人患有 PD。通过提取两个特征，并使用线性判别分析（LDA）分类器以直线将它们分离，我们仅用单通道即可以 90 % 的准确率（p < 0.03）区分健康与不健康受试者。通过聚合三个通道的信息并令其投票，我们获得了 94 % 的准确率、96 % 的灵敏度和 92 % 的特异度。评估采用嵌套留一交叉验证流程进行，从而防止数据泄漏问题并给出偏差更小的评估。我们进行了若干测试以评估方法的的有效性与鲁棒性，包括仅使用一半可用数据训练的测试。在此约束下，模型达到了 83.8 % 的准确率。
引用
@article{arxiv.2210.11624,
title = {Sparse Dynamical Features generation, application to Parkinson's Disease diagnosis},
author = {Houssem Meghnoudj and Bogdan Robu and Mazen Alamir},
journal= {arXiv preprint arXiv:2210.11624},
year = {2023}
}
备注
18 pages, 13 figures