基于 EEG 数据的瑜伽冥想状态subject-independent 分类
摘要
虽然客观判定受试者是否正在冥想对文献中的大多数研究有益，但大多数研究仅在 subject-dependent manner 下报告了良好结果。本研究旨在使用 EEG 数据，以 subject-independent manner distinguish Rajyoga 冥想期间经历的意识状态被修改后的状态与大脑休息状态进行区分。已提出并评估了三种架构：CSP-LDA 架构利用共轭空间模式 (CSP) 进行特征提取并使用线性判别分析 (LDA) 进行分类。CSP-LDA-LSTM 架构采用 CSP 进行特征提取、LDA 进行降维，并使用长短期记忆 (LSTM) 网络进行分类，将二分类问题建模为序列学习问题。SVD-NN 架构使用奇异值分解 (SVD) 选择 EEG 信号的最相关成分并使用浅层神经网络 (NN) 进行分类。CSP-LDA-LSTM 架构在 intra-subject 分类中给出最佳性能，准确率为 98.2%；SVD-NN 架构在 inter-subject 分类中提供了相当显著的性能，准确率为 96.4%。这相当于文献中报告的最佳 intra-subject 分类准确率。两种架构都能够捕获 subject-invariant EEG 特征，从而有效地对冥想状态进行分类。高的 intra-subject 和 inter-subject 分类准确率表明，这些系统具有鲁棒性，并且能够在不同受试者之间泛化。
引用
@article{arxiv.2504.18095,
title = {Subject-independent Classification of Meditative State from the Resting State using EEG},
author = {Jerrin Thomas Panachakel and Pradeep Kumar G. and Suryaa Seran and Kanishka Sharma and Ramakrishnan Angarai Ganesan},
journal= {arXiv preprint arXiv:2504.18095},
year = {2025}
}
备注
copyright 2024 IEEE Personal use of this material is permitted. 2024 IEEE 21st India Council International Conference (INDICON). IEEE, 2024