PHINN-EEG使用拓扑时间序列分析改进梦境状态EEG分类

PHINN-EEG框架引入了受持久同调启发的神经网络方法，用于梦境思维分析，超越了传统的功率谱密度特征。通过滑动窗口Takens延迟嵌入和Vietoris-Rips过滤，从多通道预觉醒EEG时段中提取动态Betti曲线，该模型表征了神经活动的几何架构。

• PHINN-EEG针对DREAM数据库的1,462次觉醒开放访问子集，目标AUC为0.82-0.90，优于现有的PSD和catch22基准。
• 该研究包括一个用于梦境状态EEG合成的拓扑条件整流流模型，使用谱条件流模型作为消融基线，以隔离拓扑条件效应。
• 该研究提出了候选Betti过渡原型，将拓扑与现象学梦境报告类别联系起来，作为探索性假设空间。

这项工作代表了从频谱能量到神经罕见事件检测中相空间几何的范式转变，对可穿戴BCI梦境监测具有潜在的未來影响。