基于传感器的神经生理状态故障诊断与预测：一种用于脑电图监测的变压器自编码器方法 Jesús Jaime Moreno Escobar Mauro Daniel Castillo Pérez Erika Yolanda Aguilar del Villar Hugo Quintana Espinosa

《Sensors》：Sensor-Based Fault Diagnosis and Prognosis of Neurophysiological States: A Transformer Autoencoder Approach to EEG Monitoring Jesús Jaime Moreno Escobar, Mauro Daniel Castillo Pérez, Erika Yolanda Aguilar del Villar and Hugo Quintana Espinosa

　　

摘要

本研究提出了一个基于传感器的状态监测框架，该框架利用脑电图（EEG）信号来诊断和预测神经生理状态。通过采用比较深度学习架构，我们评估了基于变分自编码器（VAE）和基于变压器的自编码器在模拟三个治疗阶段（干预前、干预中和干预后）的EEG动态潜在表示方面的性能。所提出的方法符合基于传感器的故障诊断原理，将偏离稳定神经生理状态的情况视为诊断指标，并将时间阶段的转变视为治疗进展的标志。利用来自6名具有不同神经系统疾病的受试者的94个EEG会话的数据集，我们证明基于变压器的自编码器通过其自注意力机制比VAE更有效地捕捉了跨频带的频谱关系，从而形成了更紧密的阶段内聚类，并改善了治疗阶段之间的区分度。定量评估显示，干预前和干预期间阶段之间存在微小但统计上显著的差异（），以及干预前和干预后阶段也存在差异（），这些差异主要由δ波、θ波、β波和γ波引起。这些发现表明，基于传感器的潜在状态监测能够为复杂动态系统中的状态评估和阶段转换评估提供可解释的、数据驱动的洞察，其应用范围不仅限于临床领域，还可扩展到工业状态监测和故障诊断任务。该框架证实它提供了定性指标，而非预测性临床结果。