Classification of Auditory Oddball Evoked Potentials using Group Task Related Component Analysis
Notice bibliographique
Résumé
Electroencephalographic (EEG) Evoked Potentials (EPs) have gained significant attention as promising tools for noninvasive investigation of a wide array of neurological and neuropsychiatric conditions.Progress in this area relies on the capacity to identify and automatically extract patterns of EPs that are reproducible at the group level.The present study explores the application of Group Task-Related Component Analysis (gTRCA), an innovative multivariate signal decomposition technique, to the characterization and classification of auditory evoked potentials.Using a publicly available dataset of auditory oddball EPs, we employed gTRCA to extract reproducible components of EEG recordings from 40 healthy subjects exposed to standard and deviant auditory stimuli in a mismatch negativity protocol.The extracted temporal patterns were then utilized as templates for classifying auditory oddball EPs in the standard or deviant classes based on their optimal alignment with the primary gTRCA components triggered by the respective type of stimulation.Our results confirmed that gTRCA was able to reliably extract significantly reproducible components (p<0.001) of auditory EPs with spatiotemporal attributes that were coherent with the type of stimulation.Furthermore, the extracted temporal patterns were shown to be robust and sufficiently distinct to be used in the classification of auditory EPs, achieving median accuracy of 90%.Our findings posit gTRCA as a powerful tool for optimizing scientific and clinical studies exploring novel markers for various clinical conditions associated with alterations in EEG evoked potentials.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».