基于自回归RBF神经网络的帕金森状态预测

摘要：

针对受控自回归模型辨识精度不高的问题,采用自回归径向基函数(RBF)神经网络辨识基底核(BG)模型的输入刺激频率与输出β频段(13～35 Hz)振荡功率之间的关系.采用梯度下降法确定模型参数,提高模型预测精度.在相同刺激条件下,以BG模型输出与模型预测输出之间的均方根误差(RMSE)和相关系数作为PD状态的预测指标.受控自回归模型辨识相关系数为84.07％,RMSE为27.96;RBF预测模型辨识相关系数为92.78％,RMSE为17.89,结果表明RBF预测模型辨识精度更高.利用自回归RBF神经网络模型能够很好地辨识刺激频率与β功率之间的关系,为以后依据β功率的变化选择恰当的刺激频率参数提供了更好的方法,减轻PD患者的痛苦.

关键词：帕金森疾病;自回归RBF神经网络;基底核模型;DBS疗法;预测指标;梯度下降法

所属期刊栏目：44

分类号：TN876-34(无线电设备、电信设备)

资助基金：国家自然科学基金61801273

在线出版日期：2021-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：114-119