.png){kind=icon}
返回
EEGOpt: A performance efficient Bayesian optimization framework for automated EEG signal classification
.png){kind=icon}
PRE
AI
DOI：10.1016/j.compbiomed.2025.111023.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了EEGOpt，一种新型的贝叶斯框架，用于自动化EEG去噪、特征提取和分类。
• TPE在优化EEG分类流水线方面优于CMA-ES、QMC、GP和RS。
• 达到了99.63%的准确率，优于EEGNet、DeepConvNet和ShallowConvNet。
• 缓存将计算时间减少了74.69%，在效率上比EEGNet提高了95%。
• EEGOpt能够针对BCIs和神经科学研究实现数据集特定的EEG流水线优化。
期刊
IF:
6.3
论文数:
8.3K
被引数:
3.3W
机构
引用论文
A Survey on Denoising Techniques of Electroencephalogram Signals Using Wavelet Transform基于小波变换的脑电信号去噪技术综述.png)
Signals
OAAI
SignalsIF0
OAAI分享收藏EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysisEEGLAB: 用于分析单次试验EEG动态的开源工具箱，包括独立成分分析
OAAI
OAAI分享收藏A comprehensive guide to BCI-based stroke neurorehabilitation interventions基于BCI的卒中神经康复干预措施综合指南MethodsXOAAI
MethodsXIF0
OAAI分享收藏Automated Detection of Major Depressive Disorder With EEG Signals: A Time Series Classification Using Deep Learning使用EEG信号自动检测重度抑郁症: 使用深度学习的时间序列分类IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Optimization of Deep Architectures for EEG Signal Classification: An AutoML Approach Using Evolutionary AlgorithmsSENSORSOAAI
SENSORSIF3.5
OAAI分享收藏EEG Markers of Treatment Resistance in Idiopathic Generalized Epilepsy: From Standard EEG Findings to Advanced Signal AnalysisBIOMEDICINESOAAI
BIOMEDICINESIF3.9
OAAI分享收藏
查看更多内容