A comprehensive survey of evolutionary algorithms and metaheuristics in brain EEG-based applications

Elektroencefalografie (EEG) se objevila jako primární neinvazivní a mobilní modalita pro pochopení komplexního fungování lidského mozku, která poskytuje neocenitelný pohled na kognitivní procesy, neurologické poruchy a rozhraní mozek-počítač (BCI). Nicméně objem dat EEG, přítomnost artefaktů, výběr optimálních kanálů a potřeba extrakce vlastností z dat EEG představují značné problémy při dosahování smysluplných a rozlišujících výsledků pro algoritmy strojového učení používané ke zpracování dat EEG. V důsledku toho se poptávka po sofistikovaných optimalizačních technikách stala nezbytnou pro účinné překonání těchto překážek. Evoluční algoritmy (EA) a další přírodou inspirované metaheuristiky byly v posledních letech použity jako výkonné nástroje pro návrh a optimalizaci, což ukazuje jejich význam při řešení různých problémů návrhu a optimalizace souvisejících s aplikacemi založenými na EEG mozku. Tento článek představuje komplexní přehled zdůrazňující význam EA a dalších metaheuristiky v aplikacích založených na EEG. Průzkum je organizován podle hlavních oblastí, kde byly použity EA, jmenovitě zmírňování artefaktů, výběr kanálů, extrakce prvků, výběr prvků a klasifikace signálu. Nakonec jsou diskutovány současné výzvy a budoucí aspekty EA v kontextu aplikací založených na EEG.