arXiv · Human-Computer Interaction· Jibum Kim, Hanseul Choi, Gaeun Kim 等 8 人
· 4 小时前AI 评分36
可解释人工智能驱动的帕金森病大鼠电刺激下神经活动分析
Explainable AI-Driven Neural Activity Analysis in Parkinsonian Rats under Electrical Stimulation
预印本 · 尚未经过同行评审
AI 导读
用EEGNet与DeepConvNet对帕金森病大鼠刺激前后ECoG分类，LRP和DeepLIFT揭示频段与脑区特异性贡献。
摘要 · AI 翻译
帕金森病（PD）的特征是运动功能障碍和异常神经振荡。本研究将基于石墨烯的皮层刺激与可解释人工智能（XAI）框架相结合，探究有助于帕金森病大鼠刺激前与刺激后分类的空间和频率相关特征。在刺激前后记录皮层脑电图（ECoG）信号，并使用 EEGNet 和 DeepConvNet 进行分类。应用逐层相关性传播（LRP）和 DeepLIFT 来识别有助于分类的频带和记录通道。这些通道的解剖位置被映射到皮层图上。XAI 分析对每只动物分别进行，以考察个体归因模式。我们的 XAI 分析揭示了帕金森病大鼠刺激前与刺激后分类中频带特异性和区域特异性的贡献。我们的方法在基于 PSD 的分析之外，为有助于刺激前与刺激后 ECoG 分类的特征提供了互补的见解。这些发现凸显了将基于石墨烯的皮层刺激与可解释深度学习相结合，以在刺激前与刺激后记录中识别跨频带和皮层区域的分类相关特征的潜力。
中文由 AI 翻译，仅供参考，以原文为准。
来源：arXiv · Human-Computer Interaction · arxiv.org