Diagnosis of schizophrenia using an extended multivariate autoregressive model for EEGs
Notice bibliographique
Résumé
Schizophrenia is a complex brain disorder that leads to an abnormal interpretation of reality. One of its reliable biological markers is the auditory evoked potential P300. The aim of the current paper is to classify healthy-control subjects from schizophrenic patients using EEG signals collected during an auditory oddball paradigm. The electroencephalogram (EEG) is modeled by a multivariate autoregressive (MVAR) model that takes into account the instantaneous causality between the EEG channels. After preprocessing, 19 channels of the recorded signals were divided into seven clusters based on their location. Next, the PCA technique was employed to obtain the first principal component inside each cluster. By imposing realistic constraints to estimate instantaneous effects between the variables, the instantaneous interactions matrix and, consequently, the extended multivariate autoregressive (eMVAR) model were estimated. Then, extended partial directed coherences (ePDCs) were extracted as connectivity features. The mRMR algorithm was utilized to reduce the feature dimension, and finally, the selected features were imported into a deep neural network for classification between healthy and schizophrenic states. The results showed that the eMVAR model outperformed the strictly causal model in classifying schizophrenic patients. With eMVAR modeling, an accuracy of 91.11% was obtained by using only four features. Furthermore, the most discriminative connectivity feature was ePDC from left posterior (LP) to (LP), and the most informative frequency band was the gamma sub-band. We have therefore presented evidence that the proposed approach enhances the characterization and diagnosis of schizophrenia.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».