만성 무릎 통증에서 안정 상태의 원시 EEG 신호 분류 개선을 위한 수정된 특징 선택

목표: 연구 및 임상 실습에서 통증 진단은 여전히 자가 보고에 의존하고 있다. 본 연구는 만성 무릎 통증 예측을 위해 안정 상태의 원시 EEG 데이터에서 작동하는 자동 접근 방식을 개발하는 것을 목표로 한다. 방법: "수정된 순차 부동 전진 선택"(mSFFS)이라는 새로운 특징 선택 알고리즘이 제안된다. 개선된 특징 선택 방안은 로컬 최솟값을 피하고 대체 검색 경로를 탐색하는 데 더 나은 성능을 보인다. 결과: mSFFS에 의해 얻어진 특징 선택은 Bhattacharyya 거리 측정에 의해 나타나는 것처럼 더 나은 클래스 분리 가능성을 보여주며, 더 나은 시각화 결과를 제공한다. 또한 다른 벤치마크 방법으로 생성된 선택보다 우수한 성과를 보여주며, 테스트 정확도를 97.5%로 향상시킨다. 결론: 개선된 특징 선택은 만성 무릎 통증 예측에서 경쟁력 있는 성능을 생성하는 간결하고 효과적인 연결성 특징의 하위 집합을 탐색한다. 의의: 우리는 자동 접근 방식이 EEG에서 만성 무릎 통증을 효과적으로 예측하는 간결한 연결성 특징 세트를 찾기 위해 활용될 수 있음을 보여주었다. 이 연구는 만성 통증에 대한 연구에 빛을 비추고 진단 및 치료를 위한 향후 임상 솔루션으로 이어질 수 있다.