换一批摘要目的:为了提高经颅磁刺激(transcranial magnetic stimulation,TMS)中脑电相位同步预测的准确性和鲁棒性,提出一种基于长短期记忆网络(long short-term memory network,LSTM)的脑电相位预测方法.方法:首先,构建由输入层、LSTM层、ReLU激活层、全连接层和回归层组成的LSTM,通过输入门、遗忘门和输出门的协同作用捕获脑电信号特征.其次,对30名健康受试者的睁眼静息态脑电数据使用LSTM训练得到预测模型,用于脑电信号和脑电相位预测.最后,对比LSTM方法与传统自回归(autoregressive,AR)方法在总体和个体水平上的相位预测误差以及2种方法对波峰、波谷的预测性能,并采用线性回归模型探究LSTM方法下脑电瞬时幅值、信噪比与相位预测误差的关系.结果:LSTM方法的总相位预测误差为0.04°±5.69°,小于传统AR方法(总相位预测误差为-3.36°±51.13°),且对于每位受试者,LSTM方法的相位预测准确性均优于传统AR方法,差异有统计学意义(P＜0.001).LSTM方法可准确预测约89％的波峰(谷),而传统AR方法仅可准确预测约10％的波峰(谷).不同于传统AR方法,在LSTM方法下,脑电瞬时幅值和信噪比与相位预测误差均无线性关系(P分别为0.58、0.18).结论:基于LSTM的脑电相位预测方法具有高准确性和鲁棒性,可为脑电相位同步TMS方式提供一种有效的相位预测方法.
更多相关知识
关键词
经颅磁刺激脑电脑电相位长短期记忆网络自回归脑电信号transcranial magnetic stimulationelectroencephalogramelectroencephalogram phaselong short-term memory networkautoregressiveelectroencephalogram signal
栏目名称
DOI
10.19745/j.1003-8868.2025040
发布时间
2025-04-02（万方平台首次上网日期，不代表论文的发表时间）
- 浏览8
- 被引1
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
