机构名称：
¥ 1.0
耳鸣是一种神经病理学现象，是由对外部声音的识别引起的，实际上并不存在。耳鸣的现有诊断方法是相当主观且复杂的医学检查程序。本研究旨在使用脑电图（EEG）信号的深度学习分析来诊断耳鸣，而患者执行了听觉认知任务。我们发现，在一项积极的奇怪任务中，可以使用EEG信号通过深度学习模型（EEGNET）在0.886的曲线下识别出耳鸣的患者。此外，使用宽带（0.5至50 Hz）EEG信号，对EEGNET卷积内核特征图的分析表明，Alpha活性可能在识别耳鸣患者中起着至关重要的作用。对脑电图信号的随后时间频率分析表明，与健康组相比，耳鸣组显着降低了刺激前α活性。在主动和被动奇数任务中都观察到了这些差异。与耳鸣组相比，在主动奇数球任务中，在主动奇数球任务中的目标刺激在健康组中的诱发theta活性显着更高。我们的发现表明，与任务相关的脑电图特征可以视为耳鸣症状的神经特征，并支持基于脑电图的深度学习方法诊断耳鸣的可行性。
耳鸣症状的基于学习的深度脑脑诊断
主要关键词
相关文件推荐
