Siam-ALS

新的暹罗深度学习框架有助于早期肌萎缩侧索硬化症检测

研究人员开发了Siam-ALS，一个新颖的暹罗深度学习框架，用于早期检测肌萎缩侧索硬化症（ALS）。该框架整合了脑电图（EEG）和眼动追踪（ET）信号，以捕捉与该疾病相关的互补模式。Siam-ALS在EEGET-ALS数据集上表现出高准确率（0.988）和AUROC（0.998），并在BigP3BCI数据集上显示出泛化能力。该模型还融入了可解释性方法，其中SHAP被证明在识别有助于ALS预测的关键EEG和ET模式方面是有效的。