机构名称：
¥ 1.0
帕金森氏病（PD）是一种进行性神经退行性疾病，影响了全球超过1000万个人的生活质量。早期诊断对于及时干预和更好的患者预后至关重要。脑电图（EEG）信号通常用于早期诊断，因为它们在MONI疾病进展中的潜力。但传统的基于脑电图的方法缺乏对提供有关PD的基本信息的大脑区域的探索，其性能在实时应用中却缺乏。为了解决这些局限性，本研究提出了一种新的方法，该方法使用基于时频表示（TFR）的Alexnet卷积神经网络（CNN）模型，以探索基于EEG通道的分析并确定从EEG数据中有效诊断PD的关键大脑区域。小波散射变换（WST）用于捕获不同的时间和光谱特征，而Alexnet CNN则用于检测不同尺度上的复杂空间模式，从而准确识别与PD相关的复杂的EEG模式。实验在两个实时脑电图PD数据集上结果：圣地亚哥数据集和爱荷华州的数据集证明，包括AF4和AFZ电极在内的额叶和中央大脑区域对提供与其他区域相比提供了更大的代表性特征，这对PD检测的其他区域产生了重大贡献。所提出的体系结构可在圣地亚哥数据集中获得99.84％的令人印象深刻的精度，而爱荷华州数据集则达到了95.79％，表现优于现有的基于EEG的PD检测方法。这项研究的发现将有助于创建一种基本技术，以提高PD诊断，从而增强患者护理和生活质量。
有效的帕金森氏病检测框架
主要关键词
相关文件推荐
