autores: Ling, Zou; Yue, Chen; Wenjie, Li; Fan, Jing
fonte: Revista de Imaging Médica e Informática de Saúde, Volume 5, Número 7, novembro de 2015, pp. 1499-1503 (5)
Editor: American Scientific Publishers
Resumo:
Neste traballo, os sinais de electroencefalograma (EEG) rexistráronse desde dez estudantes universitarios saudables e dez afectados por Internet Addiction (IA) durante un paradigma visual estraño. En primeiro lugar, os sinais orixinais preprocesáronse para eliminar algúns artefactos usando o algoritmo de Análise de Compoñentes Independentes (ICA). Despois, empregouse a Análise de compoñentes principais (PCA) para seleccionar un subconxunto de canles que conservan a maior parte da información en comparación co conxunto completo de 64 canles. Finalmente, as características das ondas P300 extraéronse dos potenciais relacionados cos eventos (ERP) e comparáronse entre os ERP obxectivo e os ERP non obxectivo, así como no grupo IA e grupo de control. As funcións extraídas utilizáronse para adestrar catro clasificadores: Red Lineal Discriminate Analysis (FLDA), Back Propagation (BP) Neural Network, Bayesian Classifier (BC) e Bayesian Regularization Back Propagation (BRBP) Neural Network. As canles activas localizáronse nas áreas frontal, parietal, occipital e parietal-occipital para estudantes universitarios sans e afectados por IA. A latencia dos ERP promediados de 42 ensaios baixo estimulación obxectivo foi máis longa que a dos ERP promediados de 558 ensaios baixo estimulación non obxectivo (páx 0.05), e a amplitude dos ERP promediados de 42 ensaios baixo a estimulación de obxectivos foi maior que os ERP promediados de 558 ensaios sen obxectivos (páx 0.05). Mostrou unha diferenza significativa nas amplitudes de P300 entre suxeitos sans e suxeitos de adición a Internet. As amplitudes de adición a Internet foron menores (páx 0.05). A precisión da clasificación podería situarse por encima do 93% empregando o método baseado en Bayesian en áreas activas, mentres que era inferior ao 90% nas áreas centrais. Os resultados mostran que hai influencias negativas na resposta cerebral e nas capacidades de memoria dos estudantes universitarios afectados pola IA. O artigo trata da implementación de filtros dixitais prácticos para suprimir o ruído de potencia de 50 Hz mediante filtros de coeficientes enteiros. Unha solución moi rápida e sinxela permite suprimir compoñentes básicos e harmónicos do ruído de enerxía con distorsións non lineais. Os sinais de ECG reais utilizáronse para probar a eficacia da supresión de ruído da potencia. Avalíase a precisión para a onda básica de ruído sinusoidal e rectangular.
Palabras clave: SELECCIÓN DE CANALES; POTENCIAIS RELACIONADOS CON EVENTOS; ANÁLISE COMPONENTE INDEPENDENTE; P300; Recoñecemento de patrón
Tipo de documento: Artigo de investigación
DOI: https://doi.org/10.1166/jmihi.2015.1570
Data de publicación: novembro 1, 2015
;