Автоматическое выявление тригеминальной невралгии с использованием многодоменного анализа признаков ЭЭГ и архитектуры CNN с вниманием: сравнительное исследование методов машинного обучения

В исследовании разработан и оценен прототип системы автоматической диагностики тригеминальной невралгии на основе ЭЭГ. У 36 пациентов и 36 здоровых испытуемых регистрировали покоящуюся ЭЭГ (19 каналов, 250 Гц) в течение 5 минут с закрытыми глазами. После предобработки сигналы разложили на пять частотных диапазонов, извлекли 40 количественных признаков, из которых двухступенчатый отбор оставил 28 наиболее информативных (22 с высокой дискриминативной способностью). Сравнили шесть архитектур классификации; наибольший вклад в различение групп внёс гамма-диапазон (30–50 Гц), особенно в лобных отведениях (Cohen's d > 5,9 для аппроксимированной энтропии).

**Выводы:** Выявлено, что многодоменный анализ ЭЭГ с последующим отбором признаков и использованием CNN с механизмом внимания способен надёжно различать пациентов с тригеминальной невралгией и здоровых лиц, при этом ключевым маркером является гамма-активность лобных областей. Из 28 отобранных признаков 22 сохраняют дискриминативную силу после учёта возрастных различий между группами (η²p ≥ 0,06).