一种多模态帕金森病诊断方法，该方法通过分析在线书写数据和脑电图（EEG）信号，并利用基于多头注意力机制的深度学习模型来进行诊断

《Knowledge-Based Systems》：A multi-modal Parkinson’s disease diagnosis methodology analyzing online handwriting and EEG signal utilizing multi-headed attention based deep learning model

　　

Kaushal Kumar|Rajib Ghosh

摘要

帕金森病（PD）是一种进行性神经系统疾病，会导致运动功能逐渐衰退，影响书写、言语、行动能力和肌肉控制。目前的研究尚未探讨在线书写任务与脑电图（EEG）信号在帕金森病诊断中的联合应用，尤其是来自腹侧被盖区（VTA）和黑质（SN）等关键区域的信号，这些区域对多巴胺的生成至关重要。本研究提出了一种多模态帕金森病诊断方法，该方法将在线书写任务期间从VTA和SN记录的EEG数据与相应的书写数据相结合。通过卷积神经网络（CNN）从组合特征矩阵中提取特征，然后利用多头注意力层对这些特征进行优化，并通过双向长短期记忆网络（BLSTM）进行分类。该方法的表现与装袋随机森林（BRF）、支持向量机（SVM）和长短期记忆网络（LSTM）分类器进行了对比测试。所提出的帕金森病诊断方法使用了基于自创建数据集的在线书写EEG信号（ESOH）进行验证。结果表明，该系统优于目前仅依赖EEG信号的最先进诊断方法。