Auteurs: Ling, Zou; Yue, Chen; Wenjie, Li; Ventilateur, Jing
La source: Journal d'imagerie médicale et d'informatique de santé, Volume 5, Numéro 7, novembre 2015, p. 1499-1503 (5)
Editeur: American Scientific Publishers
Résumé:
Dans cet article, les signaux d'électroencéphalogramme (EEG) ont été enregistrés à partir de dix étudiants universitaires en bonne santé et dix étudiants souffrant de dépendance à Internet (IA) au cours d'un paradigme visuel bizarre. Tout d'abord, les signaux d'origine ont été prétraités pour supprimer certains artefacts à l'aide de l'algorithme d'analyse des composants indépendants (ICA). Ensuite, l'analyse en composantes principales (ACP) a été utilisée pour sélectionner un sous-ensemble de canaux qui préservent la plupart des informations par rapport à l'ensemble complet de 64 canaux. Enfin, les caractéristiques des ondes P300 ont été extraites des potentiels liés aux événements (ERP) et comparées entre les ERP cibles et les ERP non cibles, ainsi que dans le groupe IA et le groupe témoin. Les caractéristiques extraites ont en outre été utilisées pour former quatre classificateurs: l'analyse discriminatoire linéaire de Fisher (FLDA), le réseau neuronal de rétro-propagation (BP), le classificateur bayésien (BC) et le réseau neuronal de régularisation bayésienne (BRBP). Les canaux actifs étaient situés dans les zones frontale, pariétale, occipitale et pariétale-occipitale pour les étudiants universitaires en bonne santé et atteints d'IA. La latence des ERP moyens des 42 essais sous stimulation cible était plus longue que celle des ERP moyens des 558 essais sous stimulation non cible (p 0.05), et l'amplitude des ERP moyens de 42 essais sous stimulation cible était plus grande que celle des ERP moyens de 558 essais sous non-cible (p 0.05). Il a montré une différence significative dans les amplitudes P300 entre les sujets en bonne santé et les sujets par addition à Internet. Les amplitudes d’Internet Addition étaient plus faibles (p 0.05). La précision de la classification pouvait atteindre plus de 93% en utilisant la méthode bayésienne dans les zones actives, alors qu'elle était inférieure à 90% dans les zones centrales. Les résultats montrent qu'il existe des influences négatives sur la réponse cérébrale et les capacités de mémoire des étudiants universitaires affiliés à l'IA. Le document traite de la mise en œuvre pratique de filtres numériques pour supprimer le bruit de puissance 50 Hz à l’aide de filtres à coefficients entiers. Une solution simple et très rapide permet de supprimer les composantes de base et harmoniques du bruit de puissance avec distorsions non linéaires. Des signaux ECG réels ont été utilisés pour tester l'efficacité de la suppression du bruit de l'alimentation. La précision est évaluée pour l’onde de bruit sinusoïdale et rectangulaire de base.
Mots clés: SELECTION DE CHAINE; POTENTIELS LIÉS À DES ÉVÉNEMENTS; ANALYSE DES COMPOSANTS INDÉPENDANTS; P300; LA RECONNAISSANCE DE FORMES
Type de document: article de recherche
DOI: https://doi.org/10.1166/jmihi.2015.1570
Date de publication: November 1, 2015
;