多通道脑电图的拓扑特征搜索方法：在 ADHD 分类中的应用
机器学习
2024-11-06 v2 信号处理
应用统计
摘要
近年来，利用脑电图(EEG)对 ADHD 进行初步诊断引起了研究人员的关注。EEG 以其便捷性和高效性，在 ADHD 的诊断和治疗中发挥着关键作用。然而，EEG 信号的非平稳性和受试者间的差异性给诊断和分类过程带来了挑战。拓扑数据分析(TDA)为 ADHD 分类提供了一种有别于传统时频域特征的新视角。然而，传统的 TDA 模型局限于单通道时间序列且易受噪声影响，导致持久图中的拓扑特征丢失。本文提出了一种适用于 ADHD 多通道 EEG 的增强型 TDA 方法。首先，确定多通道 EEG 的最佳输入参数。随后，对每个通道的 EEG 进行相空间重构(PSR)，并利用 k-幂距离测度来近似理想点云。然后，对多维时间序列进行重嵌入，并应用 TDA 获取拓扑特征信息。在合并持久图中采用基于高斯函数的多元核密度估计，以过滤出所需的拓扑特征映射。最后，采用持久图像方法提取拓扑特征，并讨论了各种加权函数对结果的影响。使用 IEEE ADHD 数据集评估了我们方法的有效性。结果表明，准确率、敏感性和特异性分别达到 78.27%、80.62% 和 75.63%。与传统 TDA 方法相比，我们的方法得到了有效改进，并优于典型的非线性描述符。这些发现表明，我们的方法具有更高的精度和鲁棒性。
引用
@article{arxiv.2404.06676,
title = {Topological Feature Search Method for Multichannel EEG: Application in ADHD classification},
author = {Tianming Cai and Guoying Zhao and Junbin Zang and Chen Zong and Zhidong Zhang and Chenyang Xue},
journal= {arXiv preprint arXiv:2404.06676},
year = {2024}
}