Abstract:
В данной работе мы исследуем применение глубоких нейронных сетей на
основе Gated Recurrent Units (GRU) для анализа сигналов ЭЭГ с целью ранней
диагностики нейродегенеративных заболеваний . Нейродегенеративные заболевания
представляют собой группу хронических прогрессирующих заболеваний нервной
системы, характеризующихся постепенной потерей нейронной структуры и функции,
что приводит к различным неврологическим симптомам, которые ухудшаются с
течением времени; наиболее известными примерами являются болезни Альцгеймера и
Паркинсона. Некоторые исследователи также включают в эту группу шизофрению. Мы
предлагаем автоматизированный метод анализа данных электроэнцефалографии (ЭЭГ)
с использованием рекуррентных нейронных сетей на основе GRU. Разработанная
модель обучена обнаруживать аномалии в сигналах ЭЭГ, характерные для
нейродегенеративных процессов, что позволяет дифференцировать пациентов с
диагностированными заболеваниями от здоровых людей. Для повышения качества
данных применяются методы предварительной обработки ЭЭГ, в том числе фильтрация
шума и независимый компонентный анализ (ICA) для удаления артефактов.
Экспериментальные результаты показывают, что предлагаемый подход эффективно
выявляет патологические изменения в ЭЭГ , что открывает перспективы его применения
в системах ранней диагностики нейродегенеративных заболеваний и при мониторинге
пациентов.
