ЭЭГ: разработан метод машинного обучения для восстановления пропусков
Краткое изложение публикации в сообществе «Врачи РФ» от .
Метод машинного обучения, разработанный в Саратовском государственном университете им. Н.Г. Чернышевского совместно с Российским экономическим университетом им. Г.В. Плеханова, предназначен для заполнения пропусков и коррекции искажений в данных электроэнцефалографии (ЭЭГ). Разработка NGRC-MDS основана на алгоритме резервуарных вычислений и подбирает интервалы анализа с учетом разных временных масштабов сигнала.
Исследователи проверили алгоритм на адаптивной сети Курамото, системе Лоренца и модели Макки-Гласса. По данным разработчиков, точность метода сопоставима с оптимизированной стандартной версией NG-RC или выше нее. Алгоритм рассматривают для анализа неполных и зашумленных медицинских данных, включая записи ЭЭГ; его применение в диагностике планируют изучать вместе с клиническими партнерами. Проект поддерживает Российский научный фонд: до 15 млн рублей в год в 2024–2027 годах.
Главное
- Метод NGRC-MDS разработали специалисты Саратовского государственного университета им. Н.Г. Чернышевского и Российского экономического университета им. Г.В. Плеханова.
- Алгоритм оценили на адаптивной сети Курамото, системе Лоренца и модели Макки-Гласса.
- По данным разработчиков, точность NGRC-MDS сопоставима с оптимизированной стандартной версией NG-RC или превосходит ее.
- Российский научный фонд поддерживает проект в объеме до 15 млн рублей в год в 2024–2027 годах.
Подготовлено автоматически с помощью ИИ, возможны неточности. Полный просмотр материала доступен только для медицинских специалистов с высшим медицинским образованием.
Войти Регистрация