Применение машинного обучения при анализе ЭЭГ для выявления фобической реакции в виртуальной реальности

Аннотация

Введение: технологии виртуальной реальности применяются для моделирования различных воздействий на человека, включая стрессовые. Для объективной диагностики предрасположенности человека к фобиям с использованием виртуальной реальности помимо субъективной оценки врача-специалиста требуется разработка методов, основанных на объективной обработке медицинских данных. Цель: разработать подход к классификации медицинских данных электроэнцефалограмм, основанный на технологиях машинного обучения, позволяющий повысить точность определения фобической реакции при воздействии виртуальной реальности. Методы: поставлена задача выбора оптимального алгоритма машинного обучения для классификации данных электроэнцефалограмм (общий объем – 3996 односекундных фрагментов), полученных с группы из 15 здоровых испытуемых, не имеющих явно выраженной акрофобии, на наличие или отсутствие реакции в лобных и затылочных долях головного мозга при воздействии фобии. Предложено несколько архитектур нейронных сетей, основанных на сверточных слоях и слоях многоголового внимания (Transformer). Результаты: проведены сбор и анализ медицинских данных с электроэнцефалографа участников контрольной группы, которые выполняли упражнение на боязнь высоты в виртуальной реальности. В рамках поставленной задачи выбора алгоритма машинного обучения подобраны параметры алгоритмов машинного обучения (количество и глубина оценщиков, скорость обучения), а также спроектированы две модифицированные модели сверточных нейронных сетей. Для обработки собранных и размеченных фрагментов данных электроэнцефалограмм использовались различные алгоритмы машинного обучения: деревья решений, случайный лес, AdaBoostClassifier, сверточная нейронная сеть и сеть архитектуры Transformer. В ходе тестирования наилучшие результаты показали сверточные нейронные сети (при анализе двух лобных каналов точность 98 %) и сети Transformer (при обработке всех каналов точность 97,4 %). Практическая значимость: результаты исследований позволяют сделать выводы об эффективности сверточных нейронных сетей и сетей Transformer при обработке медицинских данных электроэнцефалограмм. Разработанное программное обеспечение позволяет автоматизировать выявление фобических реакций при воздействии виртуальной реальности.