.png){kind=icon}
返回
Decoding the Stressed Brain with Geometric Machine Learning
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-00656-1_1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
压力对精神和身体疾病均有显著贡献，但传统自评问卷具有固有的主观性。本研究介绍了一种采用几何机器学习从原始脑电图记录中检测压力的新型框架。该方法通过整合结构连接（由电极空间排列衍生）与功能连接（来自成对信号相关性）构建图。时空图卷积网络（ST-GCN）处理这些图以捕捉空间和时序动态。在SAM-40数据集上的实验表明，ST-GCN在所有关键分类指标上优于标准机器学习模型，并增强了可解释性，通过关键通道和脑区的消融分析进行探索。这些结果为更客观和准确的压力检测方法铺平了道路。
Keyword:
Stress Diagnosis
EEG
Graph Neural Networks
Mental Health
期刊
A
IF:
0
论文数:
29
被引数:
0
机构
引用论文
Frontal lobe real-time EEG analysis using machine learning techniques for mental stress detection
OAAI
OAAI分享收藏Evaluating deep learning EEG-based mental stress classification in adolescents with autism for breathing entrainment BCI评估自闭症青少年的基于深度学习EEG的精神压力分类，以进行呼吸夹带BCI
OAAI
OAAI分享收藏Complex network measures of brain connectivity: Uses and interpretations大脑连通性的复杂网络测量: 用途和解释.png)
NeuroImage
NeuroImageIF0
PREAI
分享收藏Mental Stress Classification Based on Selected Electroencephalography Channels Using Correlation Coefficient of Hjorth Parameters基于选定脑电图通道和Hjorth参数相关系数的心理压力分类OAAI
OAAI分享收藏Spatial-temporal graph convolutional network for Alzheimer classification based on brain functional connectivity imaging of electroencephalogramHUMAN BRAIN MAPPINGOAAI
HUMAN BRAIN MAPPINGIF3.3
OAAI分享收藏Transformers in EEG Analysis: A Review of Architectures and Applications in Motor Imagery, Seizure, and Emotion ClassificationSENSORSOAAI
SENSORSIF3.5
OAAI分享收藏
查看更多内容