研究人员开发了一个新的框架，用于分析脑电图（EEG）数据以预测精神病理学的维度。该框架将多尺度EEG特征组织为全局、区域和通道级别。在健康大脑网络（HBN）队列上进行测试时，与传统方法相比，粒度感知特征选择和基于树的模型在预测精神病理学维度方面显示出适度的改进。对PEARL队列的探索性检查表明，该选择原则在不同协议下具有技术可行性。 AI
影响 这项研究可能带来改进精神病理学神经生理学相关性识别的方法，为未来的诊断工具提供潜在帮助。
排序理由 这是一篇详细介绍新的EEG数据分析框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
