이 연구는 작업 기억 부하 분류를 위해 베이지안 구조 학습 알고리즘을 사용하여 EEG의 기능적 연결성을 추정하고, 이를 그래프 합성곱 신경망 모델에 입력하는 새로운 방법을 제안한다.
주요 내용은 다음과 같다:
베이지안 구조 학습 알고리즘을 사용하여 EEG 센서 공간에서 동적 기능적 연결성을 추정하였다. 이 방법은 기존의 기능적 연결성 추정 방법보다 성능이 우수하다.
추정된 기능적 연결성 그래프를 입력으로 하는 그래프 합성곱 신경망 모델을 개발하여 작업 기억 부하를 분류하였다. 이 모델은 기존 방법보다 높은 분류 정확도를 달성하였다.
알파, 베타, 세타 주파수 대역에 대한 통계적 분석을 수행하였으며, 베이지안 구조 학습 알고리즘이 일관된 결과를 보였다.
성별에 따른 작업 기억 과제 수행 차이를 분석하였으며, 여성이 조작 과제에서 더 높은 수행을 보였다.
이 연구 결과는 작업 기억 부하 분류 및 관련 뇌 기능 연구에 기여할 것으로 기대된다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Harshini Gan... at arxiv.org 05-01-2024
https://arxiv.org/pdf/2404.19467.pdfDeeper Inquiries