Ein zweistufiges Kanalauswahlmodell zur Klassifizierung von EEG-Aktivitäten junger Erwachsener mit Internetabhängigkeit (2016)

Link zum Lernen

Fortschritte in neuronalen Netzen – ISNN 2016

Band 9719 der Reihe Vorlesungsskript in der Informatik pp 66-73

Datum: 02 Juli 2016

  • Wenjie Li
  • , Ling Zou 
  • , Tiantong Zhou
  • , Changming Wang
  • , Jiongru Zhou

Abstrakt

Die vollständige Aufzeichnung der Elektroenzephalographie (EEG) der Kopfhaut wird im Allgemeinen in BCI-Anwendungen (Brain Computer Interface) mit Mehrkanal-Elektrodenkappe verwendet. Die Daten enthalten nicht nur umfassende Informationen über die Anwendung, sondern auch irrelevante Informationen und Rauschen, was es schwierig macht, die Muster aufzudecken. In diesem Artikel werden unsere vorläufigen Untersuchungen zur Auswahl der optimalen Kanäle für die Untersuchung der Internetsucht mit dem visuellen „Oddball“-Paradigma vorgestellt. Ein zweistufiges Modell wurde verwendet, um aus dem gesamten Satz von 64 Kanälen die relevantesten Kanäle für die Aufgabe auszuwählen. Zunächst wurden die Kanäle für jedes Subjekt getrennt nach Leistungsspektrumsdichte (PSD) und Fisher-Verhältnis eingestuft. Zweitens wurde die Häufigkeit des Auftretens jedes Kanals bei verschiedenen Probanden berechnet. Kanäle, deren Vorkommen mehr als doppelt so hoch war, bildeten die optimale Kombination. Die optimalen Kanäle und andere Vergleichskombinationen von Kanälen (einschließlich der gesamten Kanäle) wurden verwendet, um mit der linearen Diskriminanzanalysemethode von Fisher zwischen Ziel- und Nichtzielreizen zu unterscheiden. Die Klassifizierungsergebnisse zeigten, dass die Kanalauswahlmethode die häufig vorkommenden Kanäle erheblich reduzierte und die Genauigkeit, Spezifität und Empfindlichkeit der Klassifizierung gewährleistete. Aus den Ergebnissen lässt sich schließen, dass bei Internetsüchtigen ein Aufmerksamkeitsdefizit vorliegt.

Stichwörter

Kanalauswahl Elektroenzephalogramm (EEG) Internetsucht Oddball Leistungsspektrumdichte Fisher lineare Diskriminanzanalyse