Tekijät: Ling, Zou; Yue, Chen; Wenjie, Li; Fan, Jing
Lähde: Journal of Medical Imaging- ja Health Informatics -lehdet, 5. osa, numero 7, marraskuu 2015, s.1499-1503 (5)
Kustantaja: American Scientific Publishers
Tiivistelmä:
Tässä artikkelissa elektroencefalogrammasignaalit (EEG) nauhoitettiin kymmeneltä terveeltä ja kymmeneltä Internet-riippuvuuden (IA) aiheuttamalta yliopiston opiskelijalta visuaalisen outoa palloa koskevan paradigman aikana. Ensinnäkin alkuperäiset signaalit esikäsiteltiin joidenkin artefaktien poistamiseksi käyttämällä Independent Component Analysis (ICA) -algoritmia. Sitten pääkomponenttianalyysiä (PCA) käytettiin valitsemaan alaryhmä kanavia, jotka säilyttävät suurimman osan informaatiosta verrattuna 64 kanavan koko sarjaan. Lopuksi P300-aaltojen ominaisuudet otettiin tapahtumiin liittyvistä potentiaaleista (ERP) ja verrattiin kohde-ERP: eihin ja muihin kuin ERP-kohteisiin sekä IA-ryhmään ja kontrolliryhmään. Poimittuja ominaisuuksia käytettiin edelleen neljän luokittelijan kouluttamiseen: Fisher Linear Discriminate Analysis (FLDA), Back Propagation (BP) -hermoverkko, Bayesian Classifier (BC) ja Bayesin Regularization Back Propagation (BRBP) -hermoverkko. Aktiiviset kanavat sijoittuivat sekä terveiden että IA: n kärsimien yliopistojen opiskelijoiden etu-, parietaali-, niskakyhmy- ja parietaalis-niskakyhmyalueille. 42 tutkimuksen 'keskimääräisen ERP: n latenssi kohdestrimulaatiossa oli pidempi kuin 558 tutkimuksen' keskimääräisen ERP: n keskimääräinen stimulaatio (s 0.05), ja 42 tutkimuksen keskimääräisen ERP: n amplitudi kohdestrimulaatiossa oli suurempi kuin 558 kokeen keskimääräisen ERP: n ei-kohdealueella (s 0.05). Se osoitti merkittävän eron P300-amplitudissa terveiden henkilöiden ja Internet-lisäyshenkilöiden välillä. Internet-lisäyksen amplitudit olivat alhaisemmat (s 0.05). Luokituksen tarkkuus voi nousta yli 93%: n käyttämällä Bayes-pohjaista menetelmää aktiivisilla alueilla, kun taas se oli alhaisempi kuin 90% keskialueilla. Tulokset osoittavat, että IA-sairaiden yliopisto-opiskelijoiden aivoreaktioon ja muistikykyyn on kielteisiä vaikutuksia. Artikkelissa käsitellään käytännöllistä digitaalisen suodattimen toteutusta 50 Hz -tehokohinan vaimentamiseksi kokonaislukukertoimien suodattimilla. Erittäin nopea ja yksinkertainen ratkaisu mahdollistaa energian melun sekä perus- että harmonisten komponenttien vaimentamisen epälineaarisilla vääristyksillä. Todellisia EKG-signaaleja käytettiin tehokohinan vaimennuksen tehokkuuden testaamiseen. Tarkkuus arvioidaan sinimuotoisen ja suorakulmaisen melun perusaallon perusteella.
Avainsanat: KANAVAN VALINTA; TAPAHTUMAAN LIITTYVÄT potentiaalit; RIIPPUMATON KOMPONENTTIANALYYSI; P300; HAHMONTUNNISTUS
Dokumentti tyyppi: tutkimusartikkeli
DOI: https://doi.org/10.1166/jmihi.2015.1570
Julkaisupäivä: Marraskuu 1, 2015
;
