Neues PRH-Verfahren verbessert Epilepsie-Erkennung in neuronalen Netzwerken

Wissenschaftler haben die neu eingeführte Persistent Reachability Homology (PRH) für gerichtete Graphen untersucht und ihre Wirksamkeit in der Klassifizierung neuronaler Netzwerke getestet. Im Fokus stand die Erkennung von Epilepsie, einem zentralen Problem in der Neurowissenschaft.

PRH ist eine Variante der persistenten Homologie für gerichtete Graphen, die sich von der traditionellen Directed Flag Complex (DPH) unterscheidet. Der Hauptvorteil von PRH liegt darin, dass es die Kondensation von Graphen in der persistenten Filtration berücksichtigt und dadurch aus kleineren Graphen berechnet wird.

In Vergleichsanalysen zeigte PRH eine bessere Leistung als DPH bei der Klassifizierung von Epilepsie-Daten. Die Forscher nutzten Betti-Kurven und deren Integrale als topologische Merkmale und setzten sie in einem Support Vector Machine (SVM)-Pipeline ein.

Die Ergebnisse deuten darauf hin, dass PRH ein vielversprechendes Werkzeug für die Analyse von gerichteten Graphen in medizinischen Anwendungen sein kann, insbesondere bei der Diagnose von Epilepsie.