ईईजी सिग्नल प्रोसेसिंग तकनीकों और मशीन लर्निंग पर एक सर्वे: शिज़ोफ्रेनिया में आत्मकथात्मक स्मृति की बाधाओं के न्यूरोफीडबैक के लिए अनुप्रयोग

इस पेपर में, न्यूरल रिकॉर्डिंग, शास्त्रीय सिग्नल प्रोसेसिंग तकनीकों और मषीन लर्निंग क्लासिफिकेशन एल्गोरिदम के बारे में एक सामान्य अवलोकन प्रस्तुत किया गया है, जिन्हें मस्तिष्क की गतिविधि को मॉनिटर करने के लिए लागू किया गया है। वर्तमान में, कुछ दृष्टिकोण जैसे इलेक्ट्रिकल, मैग्नेटिक, न्यूरोइमेजिंग रिकॉर्डिंग और मस्तिष्क उत्तेजनाएँ उपलब्ध हैं ताकि मानव मस्तिष्क की न्यूरल गतिविधि प्राप्त की जा सके। इनमें से, नॉन-इनवेसिव विधियाँ जैसे इलेक्ट्रोएन्सेफालोग्राफी (EEG) सामान्यतः प्रयुक्त होती हैं, क्योंकि वे उच्च मात्रा का समयीय संकल्प (मिलिसेकंड के क्रम पर) और स्वीकार्य स्थान संकल्प प्रदान कर सकती हैं। इसके अतिरिक्त, यह सरल, त्वरित है, और रोगियों को कोई शारीरिक नुकसान या तनाव नहीं पैदा करती। सिग्नल प्रोसेसिंग के संदर्भ में, एक बार न्यूरल सिग्नल प्राप्त होने के बाद, फीचर एक्सट्रैक्शन के लिए विभिन्न प्रक्रियाएँ लागू की जा सकती हैं। विशेष रूप से, मस्तिष्क के सिग्नल सामान्यतः समय, आवृत्ति, और/या स्थान के डोमेन में प्रोसेस किए जाते हैं। फिर निकाले गए फीचर्स का उपयोग सिग्नल क्लासिफिकेशन के लिए किया जाता है, यह इसकी विशेषताओं जैसे औसत, परिवर्तनशीलता या बैंड पावर पर निर्भर करता है। इस संबंध में मशीन लर्निंग की भूमिका पिछले वर्षों में इसकी डेटा के जटिल मात्राओं का विश्लेषण करने की उच्च क्षमता के कारण प्रमुखता प्राप्त कर गई है। प्रयुक्त एल्गोरिदम सामान्यतः सुपरवाइज्ड, अनसुपरवाइज्ड और रिइन्फोर्समेंट तकनीकों में वर्गीकृत किए जाते हैं। सबसे अधिक उपयोग किए जाने वाले मशीन लर्निंग एल्गोरिदम का गहरा समीक्षा और अधिकांश उपयोग किए जाने वाले विधियों के लाभ/हानियाँ प्रस्तुत की गई हैं। अंत में, इलेक्ट्रोएन्सेफालोग्राफी के एक बहुत विशिष्ट और नए शोध क्षेत्र में उपयोग की जाने वाली इन प्रक्रियाओं का अध्ययन, अर्थात्, शिज़ोफ्रेनिया में आत्मकथात्मक स्मृति की बाधाएँ, रेखांकित की गई हैं।