换一批
换一批基于脑电信号的认知功能障碍识别与分类进展综述
Review on advances in recognition and classification of cognitive impairment based on EEG signals
摘要认知功能障碍的早期检测和及时干预对减缓病情发展至关重要.脑电(EEG)信号具有时间分辨率高、易采集等优点,目前已成为研究认知疾病生物标志物的重要工具.相较于传统的生物标志物识别方法,机器学习方法对于基于EEG信号的认知功能障碍的识别分类的准确率更高,稳定性更好.对于近三年基于EEG信号的认知功能障碍识别分类的相关研究,首先,从认知功能障碍识别分类中常用的时域、频域、时频域结合、非线性动力学、功能连接和脑网络这五类EEG特征出发,寻找更具代表性的EEG特征;其次,总结目前使用较多的支持向量机(SVM)、线性判别分析(LDA)、K-近邻(KNN)和人工神经网络(ANN)等机器学习和深度学习分类方法和这些方法的性能;最后,分析各类研究中目前存在的问题,并展望此领域未来的研究方向,从而为后续基于EEG信号的认知功能障碍识别分类的研究提供参考.
更多相关知识
关键词
脑电信号机器学习认知功能障碍深度学习特征提取ElectroEncephaloGraphy(EEG)signalmachine learningcognitive impairmentdeep learningfeature extraction
分类号
TP18
栏目名称
前沿与综合应用
DOI
10.11772/j.issn.1001-9081.2022101471
发布时间
2023-10-26
- 浏览3
- 被引5
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
