Анализ сигналов ЭЭГ нейросетевыми методами для ранней диагностики нейродегенеративных заболеваний

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.