Souhaila Khalfallah · William Puech · Mehdi Tlija · Kais Bouallegue · IEEE Access · 2025年1月

神经疾病是全球身体和认知残疾的主要原因，影响约15%的全球人口。本研究探索机器学习ML和深度学习DL技术在处理脑电图EEG信号以检测癫痫、自闭症谱系障碍ASD和阿尔茨海默病等神经疾病中的应用。呈现详细工作流程，从使用头戴设备采集EEG数据开始，然后使用有限脉冲响应FIR滤波器和独立成分分析ICA进行数据预处理以消除噪声和伪影。数据分段后提取带功率和Shannon熵等关键特征以提高分类准确性。这些特征存储在离线数据库中便于分析期间访问，然后应用于ML和DL模型，系统测试性能并与先前研究比较结果。研...

解读: 该EEG信号分类技术对阳光电源智能诊断系统有跨领域借鉴意义。虽然阳光主要聚焦能源设备，但信号处理和特征提取方法可应用于阳光设备状态监测和故障诊断。FIR滤波和ICA噪声消除技术对阳光电力电子设备信号处理有参考价值。机器学习和深度学习模型对比分析思路可应用于阳光故障分类算法开发。该研究验证的高准确率，...