机构名称：
¥ 2.0
本研究利用机器学习模型对认知和行为情绪调节策略（ERS）进行分类，该模型由一种新的局部脑电图复杂性方法驱动，即静息状态（睁眼（EO）、闭眼（EC））下的频率特定复杂性（FSC）。按照国际10-20电极放置系统，FSC被定义为在不重叠的短脑电图段的Alpha（8−12Hz）和Beta（12.5−30Hz）频带间隔中的熵估计，以观察头皮表面62个点的局部脑电图复杂性变化。经常使用沉思和认知分散的健康成年人被纳入第一组，而很少使用这些策略的其他人群则根据他们的认知情绪调节问卷（CERQ）得分被纳入第二组。脑电图数据和CERQ分数均从公开的数据库LEMON下载。为了测试所提方法的可靠性，除了两种极限学习机模型外，还对五种不同的监督机器学习方法进行了 5 倍交叉验证，以区分对比组。在 EC 状态下，类特定成本调节极限学习机提供 99.47% 的最高分类准确率 (CA)。对于皮质区域（前额叶、中央、颞叶、顶枕叶），区域 FSC 估计没有提供更高的性能，但是，相应的统计分布显示，在以适应不良的反刍为特征的第一组中，大多数前皮质的 EEG 复杂性降低。总之，可以提出 FSC 来研究经常因反刍而导致的认知功能障碍。
适应不良的机器学习分类...
主要关键词
相关文件推荐
