Newest papers

Region-Specific EEG Classification of Hypnotic Susceptibility Using a Sliding-Window 2D CNN: A Subject-Independent Evaluation

Krzysztof Wróbel, Grzegorz M. Wójcik · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.28427 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Chúng tôi nghiên cứu các khu vực dựa trên tính hợp lệ nếu một Mạng thần kinh xoắn ốc 2D (CNN) được đào tạo trên các tín hiệu EEG được xử lý trước tối thiểu có thể phân loại độ nhạy cảm hypnotic trên các khu vực khác nhau của não. Sáu mươi hai người tham gia nam (32 Control, 30 Guided Imagery / Hipno nhóm) đã trải qua một bản ghi EEG 20 phút sử dụng một mảng EGI 256-channel. Một cách tiếp cận trượt cửa sổ ngẫu nhiên cho thấy rằng năm khu vực vượt quá ngưỡng độ chính xác 0,67 giây trong bản ghi cho mỗi trong bảy khu vực não được xác định trước (prefrontal, frontal, temporal, trung tâm, parietal, occipital, và khuôn mặt), mang lại cho đến 868 mô hình được đào tạo độc lập. Xét nghiệm sàng lọc ban đầu

Machine translation (Meta M2M100); the English original follows.

Abstract

We investigate whether a 2D Convolutional Neural Network (CNN) trained on minimally preprocessed EEG signals can classify hypnotic susceptibility across distinct brain regions. Sixty-two male participants (32 Control, 30 Guided Imagery / Hipno group) underwent a 20-minute EEG recording using a 256-channel EGI cap. A sliding-window approach evaluates all 10-second windows within the recording for each of seven predefined brain regions (prefrontal, frontal, temporal, central, parietal, occipital, and facial), yielding up to 868 independently trained models. Initial screening with a segment-level 90/10 random split showed that five regions exceeded the 0.67 accuracy threshold, with the occipital region achieving the highest mean accuracy (0.721) across 90.3% of windows. Subject-independent evaluation via Leave-One-Subject-Out (LOSO) cross-validation, however, substantially revised this picture: occipital performance collapsed to near-chance (mean ACC 0.453, AUC 0.429), revealing that high random-split accuracy was driven by subject-specific EEG fingerprints rather than genuine group differences. In contrast, the frontal and prefrontal regions maintained above-chance LOSO accuracy (0.646 and 0.624, respectively), demonstrating genuine generalisability. These results underscore the necessity of subject-independent validation in EEG-based classification studies and highlight anterior cortical regions as more reliable neural markers of hypnotic susceptibility.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Electroencephalography, Hypnotic, Artificial intelligence, Convolutional neural network, Psychology, Hypnotic susceptibility

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange