基于特征融合方法的轻微认知衰退静息态脑电数据自动检测技术研究

Automatic detection technology of resting state EEG data for mild cognitive decline based on convolutional neural network
段子敬1a
赵冰蕾1b
李春波1b,2
郭薇1a
1. 上海交通大学 a. 电子信息与电气工程学院; b. 心理与行为科学研究院, 上海 200240
2. 上海交通大学 上海市精神卫生中心, 上海 200030

摘要

轻微认知衰退是阿尔茨海默病的早期阶段,而利用脑电信号进行轻微认知衰退的特征提取与分类是诊断轻微认知衰退的重要方法。在基于脑电人工智能轻微认知衰退自动检测技术中,现有研究只提取脑电波信号中的某一个特征或简单地拼接多个特征,这会导致这些方法并不能较好地考虑特征之间的相关性,并且会引发维度灾难的问题;提出了一种基于卷积神经网络的轻微认知衰退静息态脑电数据自动检测算法,通过提取脑电的功率谱及脑网络特征,并通过矩阵运算的方式对这两种特征进行融合,利用卷积神经网络对融合后的特征进行分类,该方法在上海某医院采集的数据集上获得较高的准确率。此外,通过输入特征集的不同子集,该方法找到了对轻微认知衰退最有贡献的几组特征,从而具有一定的可解释性。在本数据集上证明了功率脑网络对于轻微认知衰退自动诊断的优势。

基金项目

上海市自然科学基金资助项目(20ZR1429700)
上海交通大学新进教师启动计划资助项目(20X100040054)
医工交叉(交大之星)青年项目(21X010301629)

出版信息

DOI: 10.19734/j.issn.1001-3695.2021.09.0417
出版期卷: 《计算机应用研究》 印刷出版, 2022年第39卷 第4期
所属栏目: 系统应用开发
出版页码: 1137-1142,1167
文章编号: 1001-3695(2022)04-030-1137-06

发布历史

[2021-12-06] 优先出版
[2022-04-05] 印刷出版

引用本文

段子敬, 赵冰蕾, 李春波, 等. 基于特征融合方法的轻微认知衰退静息态脑电数据自动检测技术研究 [J]. 计算机应用研究, 2022, 39 (4): 1137-1142,1167. (Duan Zijing, Zhao Binglei, Li Chunbo, et al. Automatic detection technology of resting state EEG data for mild cognitive decline based on convolutional neural network [J]. Application Research of Computers, 2022, 39 (4): 1137-1142,1167. )

关于期刊

  • 计算机应用研究 月刊
  • Application Research of Computers
  • 刊号 ISSN 1001-3695
    CN  51-1196/TP

《计算机应用研究》创刊于1984年,是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。

《计算机应用研究》瞄准本学科领域迫切需要的前沿技术,及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。

《计算机应用研究》拥有众多高层次读者、作者,读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员,各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅,所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。


收录和评价

  • 第二届国家期刊奖百种重点期刊
  • 中国期刊方阵双效期刊
  • 全国中文核心期刊(北大2023年版)
  • 中国科技核心期刊
  • 中国科学引文数据库(CSCD)来源期刊
  • RCCSE中国核心学术期刊
  • 中国计算机学会会刊
  • 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
  • 中国科技期刊精品数据库全文来源期刊
  • 中国学术期刊综合评价数据库来源期刊
  • 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
  • 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
  • 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
  • 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
  • 英国《科学文摘》(INSPEC)来源期刊
  • 《日本科学技术振兴机构数据库》(JST)来源期刊
  • 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
  • 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
  • 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
  • 波兰《哥白尼索引》(IC)来源期刊
  • 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊