Elektroencefalogram-jellemzők észlelése és osztályozása az internetes függőségi zavarokkal rendelkező személyekben, vizuális oddball-paradigmával (2015)

Szerzői: Ling, Zou; Yue, Chen; Wenjie, Li; Rajongó, Jing

Forrás: Journal of Medical Imaging és Egészségügyi Informatika, 5. évfolyam, 7. szám, 2015. november, 1499–1503. O. (5)

Kiadó: Amerikai Tudományos Kiadók

Absztrakt:

Ebben a cikkben tíz egészséges és tíz Internet-függőség (IA) által sújtott egyetemistától vettük fel az elektroencefalogramot (EEG) egy vizuális furcsa paradigma során. Először az eredeti jeleket előfeldolgoztuk néhány műtermék eltávolítására a független komponenselemzés (ICA) algoritmus segítségével. Ezután a Főkomponens-elemzést (PCA) alkalmazták azon csatornák egy részének kiválasztására, amelyek megőrzik az információ nagy részét a 64 csatornás teljes készlethez képest. Végül a P300 hullámok jellemzőit kivontuk az eseményekkel kapcsolatos potenciálokból (ERP), és összehasonlítottuk a megcélzott ERP-k és a nem célzott ERP-k, valamint az IA-csoport és a kontrollcsoport között. A kinyert tulajdonságokat négy osztályozó továbbképzésére használták: Fisher Linear Discriminate Analysis (FLDA), Back Propagation (BP) Neural Network, Bayesian Classifier (BC) és Bayes Regularization Back Propagation (BRBP) Neural Network. Az aktív csatornák a frontális, a parietális, az occipitalis és a parietalis-occipitalis területeken helyezkedtek el mind az egészséges, mind az IA-ban szenvedő egyetemi hallgatók számára. A célzott stimuláció alatt végzett 42 vizsgálat átlagolt ERP-jének késleltetése hosszabb volt, mint az 558 vizsgálat nem átlagos célzott stimulációjú ERP-je (o 0.05), és a 42 vizsgálat átlagolt ERP-jének amplitúdója nagyobb volt a célstimuláció alatt, mint az 558 vizsgálat átlagának ERP-jének amplitúdójao 0.05). Szignifikáns különbséget mutatott a P300 amplitúdójában az egészséges és az Internet kiegészítő személyek között. Az Internet-kiegészítés amplitúdója alacsonyabb volt (o 0.05). Az osztályozás pontossága az aktív területeken Bayes-alapú módszerrel elérheti az 93% feletti értéket, míg a központi területeken alacsonyabb volt, mint az 90%. Az eredmények azt mutatják, hogy negatív hatások vannak az IA-sérült egyetemi hallgatók agyi válaszreakciójára és memóriaképességére. A dolgozat a digitális szűrők gyakorlati megvalósításával foglalkozik az 50 Hz teljesítmény zaj elnyomásával egész koefficiens szűrőkkel. A nagyon gyors és egyszerű megoldás lehetővé teszi az energiazaj alapvető és harmonikus komponenseinek nemlineáris torzulásokkal történő elnyomását. Valós EKG jeleket használtunk az energiazaj elnyomás hatékonyságának tesztelésére. A pontosságot az alapszinuszos és téglalap alakú zaj hulláma alapján értékelik.

Kulcsszavak: Csatornaválasztás; ESEMÉNYEKKAPCSOLATOS LEHETŐSÉGEK; FÜGGETLEN ÖSSZETEVŐ ELEMZÉS; P300; MINTAFELISMERÉS

Dokumentum típus: Kutatási cikk

Doi: https://doi.org/10.1166/jmihi.2015.1570

Megjelenés dátuma: november 1, 2015