핵심 개념
Die Studie präsentiert eine verbesserte topologische Datenanalyse-Methode, die robuste und präzise topologische Merkmale aus Mehrkanal-EEG-Signalen von ADHS-Patienten extrahiert, um eine effiziente Klassifizierung zu ermöglichen.
초록
Die Studie beschreibt eine verbesserte Methode der topologischen Datenanalyse (TDA) für die Verarbeitung und Analyse von Mehrkanal-EEG-Signalen bei Patienten mit Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (ADHS).
Zunächst werden die optimalen Parameter für die Phasenraumrekonstruktion der Mehrkanal-EEG-Signale bestimmt. Anschließend wird für jeden Kanal eine ideale Punktwolke unter Verwendung von k-Power-Distance-to-Measure (k-PDTM) rekonstruiert. Die Punktwolken werden dann remapped und einer topologischen Analyse unterzogen, um topologische Merkmale zu extrahieren.
Um Rauschen und unerwünschte Merkmale zu filtern, wird eine Gaussian-basierte multivariate Kerndichteschätzung (MKDE) auf die Persistenzdiagramme angewendet. Schließlich wird die Persistenzbildmethode mit verschiedenen Gewichtungsfunktionen verwendet, um die topologischen Merkmale weiter zu extrahieren.
Die Effektivität der Methode wird anhand des IEEE ADHS-Datensatzes evaluiert. Die Ergebnisse zeigen, dass die Genauigkeit, Sensitivität und Spezifität 85,60%, 83,61% bzw. 88,33% erreichen. Im Vergleich zu herkömmlichen TDA-Methoden ist die vorgeschlagene Methode effektiver und übertrifft typische nichtlineare Deskriptoren.
통계
Die Genauigkeit der vorgeschlagenen Methode beträgt 85,60%.
Die Sensitivität der vorgeschlagenen Methode beträgt 83,61%.
Die Spezifität der vorgeschlagenen Methode beträgt 88,33%.
인용구
Keine relevanten Zitate gefunden.