[论文解读] Features and Machine Learning for Correlating and Classifying between Brain Areas and Dyslexia

Alex Frid, Larry M. Manevitz|arXiv (Cornell University)|Dec 27, 2018

EEG and Brain-Computer Interfaces参考文献 33被引用 37

一句话总结

本文提出了一种机器学习框架，可自动分析来自脑电图（EEG）数据的事件相关电位（ERP）以分类读写障碍者与熟练读者，无需人工干预。通过提取复杂特征——包括此前被视为噪声的高通滤波信号——该方法实现了最先进水平的分类准确率，并证实了读写障碍相关神经差异在左半球的主导性。

ABSTRACT

We develop a method that is based on processing gathered Event Related Potentials (ERP) signals and the use of machine learning technique for multivariate analysis (i.e. classification) that we apply in order to analyze the differences between Dyslexic and Skilled readers. No human intervention is needed in the analysis process. This is the state of the art results for automatic identification of Dyslexic readers using a Lexical Decision Task. We use mathematical and machine learning based techniques to automatically discover novel complex features that (i) allow for reliable distinction between Dyslexic and Normal Control Skilled readers and (ii) to validate the assumption that the most of the differences between Dyslexic and Skilled readers located in the left hemisphere. Interestingly, these tools also pointed to the fact that High Pass signals (typically considered as "noise" during ERP/EEG analyses) in fact contains significant relevant information. Finally, the proposed scheme can be used for analysis of any ERP based studies.

研究动机与目标

• 开发一种全自动、无需人工干预的方法，利用基于EEG的ERP数据区分读写障碍者与熟练读者。
• 识别并验证能可靠区分读写障碍者与对照组读者的神经特征。
• 研究读写障碍者与熟练读者之间的神经差异是否主要定位于大脑左半球。
• 探索高通滤波ERP信号——通常被视为噪声——在检测有意义神经模式方面的实用性。
• 构建一种可推广的框架，适用于任何基于ERP的神经认知研究。

提出的方法

• 该方法使用多变量机器学习技术处理在词汇决策任务期间收集的原始ERP信号。
• 通过数学和基于机器学习的特征提取方法，识别数据中的复杂非线性模式。
• 应用高通滤波以提取传统上被视为噪声的成分，随后评估其预测相关性。
• 训练有监督分类模型，基于提取的特征区分读写障碍者与熟练读者。
• 该方法不依赖人工标注或特征工程，完全依赖自动化数据驱动分析。
• 通过交叉验证和与读写障碍研究中现有分类基准的比较，对框架进行验证。

实验结果

研究问题

• RQ1 机器学习技术能否自动识别ERP数据中可靠区分读写障碍者与熟练读者的神经特征？
• RQ2 读写障碍者与熟练读者之间的主要神经差异是否定位于大脑左半球？
• RQ3 高通滤波ERP成分——通常被丢弃为噪声——是否包含对分类读写障碍具有重要意义的信息？
• RQ4 该方法能否在使用ERP信号进行自动读写障碍检测方面实现最先进性能？
• RQ5 所提出的框架是否可推广至超越读写障碍的其他基于ERP的神经认知研究？

主要发现

• 所提出的方法在无需人工干预的情况下，实现了在从ERP数据中识别读写障碍者方面的最先进分类准确率。
• 分析结果证实，读写障碍者与熟练读者之间的大多数神经差异位于左半球。
• 此前被视为噪声的高通滤波ERP信号，被发现携带对分类读写障碍具有显著预测信息。
• 该方法通过自动化特征提取成功发现了新颖的复杂特征，其分类性能超越了传统方法。
• 该框架具有可推广性，可应用于任何需要多变量分析的基于ERP的神经认知研究。
• 结果验证了先进机器学习技术在临床与认知神经科学研究中揭示EEG数据中细微、非显而易见模式的实用性。