1.
Почему запись электроэнцефалограммы в состоянии покоя более информативна , чем при решении когнитивной задачи?
По сравнению с электроэнцефалограммой снятой во время решения задачи, в состоянии покоя электроэнцефалограмма не только минимизирует помехи от визуальных сцен, инструкций и вариаций выполнения задачи, зависящих от когнитивных уровней субъекта, пола, возраста и интересов, но и эффективно фиксирует внутреннюю активность мозга. Состояние покоя позволяет субъектам сосредоточить свое внимание внутрь себя, тем самым способствуя активности мозга, связанной с собой. Кроме того, исследование, сравнивающее электроэнцефалограмму в состоянии покоя и при решении задачи, показывает, что точность классификации выше в состоянии покоя, чем в состоянии задачи (Kaushik, P.,et.al., 2023). Расширение общедоступных баз данных и разработка стандартизированных наборов данных оказали существенную поддержку исследованиям в области диагностики депрессии.
Как можно классифировать компьютерные диагностические модели?
С достижениями в области вычислительной психиатрии интеграция электроэнцефалографии с искусственным интеллектом дает замечательные результаты в диагностике депрессии. В современных исследованиях по диагностике депрессии компьютерные диагностические модели в основном делятся на две категории: традиционные модели машинного обучения (TML) и модели глубокого обучения (DL). Традиционные модели машинного обучения полагаются на проектирование признаков для обработки и анализа данных обучения, используя алгоритмы для принятия решений. И наоборот, модели глубокого обучения могут обрабатывать большие наборы данных и автономно изучать сложные представления признаков.
2.
Можно ли использовать беспроводыне шапочки в электроэнцефалографии?
В последнее время достижения в области портативных устройств для записи электроэнцефалограммы упростили сбор данных. Например, беспроводные шапочки, такие как Epoch, ENOBIO Neuroelectrics и iMotions, не только обеспечивают портативность и комфорт, но и облегчают передачу данных в реальном времени.
3.
Какие прогресс достигнут в снятии сигналов электроэнцефалограммы с помощью электродов?
Ограниченная доступность общих наборов данных в этой области может быть частично связана со сложностью получения сигнала электроэнцефалограмы. В клинической практике эти сигналы обычно получают с помощью традиционных влажных электродов. Однако необходимость наносить проводящую среду, такую как проводящая паста, между электродами и кожей головы усложняет процедуру и создает дискомфорт для субъекта. Сухие и полусухие электроды предлагают более эффективную альтернативу для получения сигнала электроэнцефалограммы, особенно в ситуациях, когда специалисты недоступны. В настоящее время недавно разработаны полусухие гелевые электроды обеспечивающие больший комфорт по сравнению с влажными электродами, и они решают проблему жесткого сухого электрода, не прилипающего стабильно к коже.
Выводы
Традиционные модели машинного обучения полагаются на проектирование признаков с целью обработки и анализа данных, используя алгоритмы для принятия решений. И наоборот, модели глубокого обучения обрабатывать большие массивы данных и автономно изучают сложные представления признаков.
Литература
Kaushik, P., Yang, H., Roy, P. P., & van Vugt, M. (2023). Comparing resting state and task-based EEG using machine learning to predict vulnerability to depression in a non-clinical population. Scientific Reports, 13(1), 7467.
Добавить комментарий