ಲೇಖಕರು: ಲಿಂಗ್, ಜೌ; ಯು, ಚೆನ್; ವೆಂಜಿ, ಲಿ; ಫ್ಯಾನ್, ಜಿಂಗ್
ಮೂಲ: ಜರ್ನಲ್ ಆಫ್ ಮೆಡಿಕಲ್ ಇಮೇಜಿಂಗ್ ಅಂಡ್ ಹೆಲ್ತ್ ಇನ್ಫಾರ್ಮ್ಯಾಟಿಕ್ಸ್, ಸಂಪುಟ 5, ಸಂಖ್ಯೆ 7, ನವೆಂಬರ್ 2015, ಪುಟಗಳು 1499-1503 (5)
ಪ್ರಕಾಶಕ: ಅಮೇರಿಕನ್ ಸೈಂಟಿಫಿಕ್ ಪಬ್ಲಿಷರ್ಸ್
ಅಮೂರ್ತ:
ಈ ಕಾಗದದಲ್ಲಿ, ಹತ್ತು ವಿಚಿತ್ರ ಮತ್ತು ಹತ್ತು ಇಂಟರ್ನೆಟ್ ಅಡಿಕ್ಷನ್ (ಐಎ) - ಎಲೆಕ್ಟ್ರೋಎನ್ಸೆಫಾಲೋಗ್ರಾಮ್ (ಇಇಜಿ) ಸಂಕೇತಗಳನ್ನು ದೃಷ್ಟಿಗೋಚರ ವಿಚಿತ್ರವಾದ ಸಂದರ್ಭದಲ್ಲಿ ವಿಶ್ವವಿದ್ಯಾಲಯದ ವಿದ್ಯಾರ್ಥಿಗಳಿಂದ ದಾಖಲಿಸಲಾಗಿದೆ. ಮೊದಲನೆಯದಾಗಿ, ಸ್ವತಂತ್ರ ಕಾಂಪೊನೆಂಟ್ ಅನಾಲಿಸಿಸ್ (ಐಸಿಎ) ಅಲ್ಗಾರಿದಮ್ ಬಳಸಿ ಕೆಲವು ಕಲಾಕೃತಿಗಳನ್ನು ತೆಗೆದುಹಾಕಲು ಮೂಲ ಸಂಕೇತಗಳನ್ನು ಪೂರ್ವ-ಸಂಸ್ಕರಿಸಲಾಯಿತು. ನಂತರ, 64 ಚಾನೆಲ್‌ಗಳ ಪೂರ್ಣ ಗುಂಪಿಗೆ ಹೋಲಿಸಿದರೆ ಹೆಚ್ಚಿನ ಮಾಹಿತಿಯನ್ನು ಸಂರಕ್ಷಿಸುವ ಚಾನಲ್‌ಗಳ ಉಪವಿಭಾಗವನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ಪ್ರಧಾನ ಘಟಕ ವಿಶ್ಲೇಷಣೆ (ಪಿಸಿಎ) ಅನ್ನು ನೇಮಿಸಲಾಯಿತು. ಅಂತಿಮವಾಗಿ, ಪಿ 300 ತರಂಗಗಳ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಈವೆಂಟ್ ಸಂಬಂಧಿತ ವಿಭವಗಳಿಂದ (ಇಆರ್‌ಪಿಗಳು) ಹೊರತೆಗೆಯಲಾಯಿತು ಮತ್ತು ಗುರಿ ಇಆರ್‌ಪಿಗಳು ಮತ್ತು ಗುರಿರಹಿತ ಇಆರ್‌ಪಿಗಳು ಮತ್ತು ಐಎ ಗುಂಪು ಮತ್ತು ನಿಯಂತ್ರಣ ಗುಂಪಿನಾದ್ಯಂತ ಹೋಲಿಸಲಾಗುತ್ತದೆ. ಹೊರತೆಗೆಯಲಾದ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ನಾಲ್ಕು ವರ್ಗೀಕರಣಕಾರರಿಗೆ ತರಬೇತಿ ನೀಡಲು ಬಳಸಲಾಯಿತು: ಫಿಶರ್ ಲೀನಿಯರ್ ಡಿಸ್ಕ್ರಿಮಿನೇಟ್ ಅನಾಲಿಸಿಸ್ (ಎಫ್‌ಎಲ್‌ಡಿಎ), ಬ್ಯಾಕ್ ಪ್ರಸಾರ (ಬಿಪಿ) ನ್ಯೂರಾಲ್ ನೆಟ್‌ವರ್ಕ್, ಬೇಯೆಸಿಯನ್ ಕ್ಲಾಸಿಫೈಯರ್ (ಬಿ.ಸಿ) ಮತ್ತು ಬೇಯೆಸಿಯನ್ ರೆಗ್ಯುರೈಸೇಶನ್ ಬ್ಯಾಕ್ ಪ್ರಸಾರ (ಬಿಆರ್‌ಬಿಪಿ) ನ್ಯೂರಾಲ್ ನೆಟ್‌ವರ್ಕ್. ಸಕ್ರಿಯ ಮತ್ತು ಚಾನೆಲ್‌ಗಳು ಆರೋಗ್ಯಕರ ಮತ್ತು ಐಎ ಪೀಡಿತ ವಿಶ್ವವಿದ್ಯಾಲಯದ ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಮುಂಭಾಗದ, ಪ್ಯಾರಿಯೆಟಲ್, ಆಕ್ಸಿಪಿಟಲ್ ಮತ್ತು ಪ್ಯಾರಿಯೆಟಲ್-ಆಕ್ಸಿಪಿಟಲ್ ಪ್ರದೇಶಗಳಲ್ಲಿವೆ. ಗುರಿ ಪ್ರಚೋದನೆಯ ಅಡಿಯಲ್ಲಿ 42 ಪ್ರಯೋಗಗಳ ಸರಾಸರಿ ಇಆರ್‌ಪಿಗಳ ಸುಪ್ತತೆಯು ಗುರಿರಹಿತ ಪ್ರಚೋದನೆಯ ಅಡಿಯಲ್ಲಿ 558 ಪ್ರಯೋಗಗಳ ಸರಾಸರಿ ಇಆರ್‌ಪಿಗಳಿಗಿಂತ ಉದ್ದವಾಗಿದೆ (ಪ 0.05), ಮತ್ತು ಗುರಿ ಪ್ರಚೋದನೆಯ ಅಡಿಯಲ್ಲಿ 42 ಪ್ರಯೋಗಗಳ ಸರಾಸರಿ ಇಆರ್‌ಪಿಗಳ ವೈಶಾಲ್ಯವು 558 ಪ್ರಯೋಗಗಳ ಸರಾಸರಿ ಇಆರ್‌ಪಿಗಳಿಗಿಂತ ದೊಡ್ಡದಾಗಿದೆ.ಪ 0.05). ಇದು ಆರೋಗ್ಯಕರ ವಿಷಯಗಳು ಮತ್ತು ಇಂಟರ್ನೆಟ್ ಸೇರ್ಪಡೆ ವಿಷಯಗಳ ನಡುವಿನ P300 ಆಂಪ್ಲಿಟ್ಯೂಡ್‌ಗಳಲ್ಲಿ ಗಮನಾರ್ಹ ವ್ಯತ್ಯಾಸವನ್ನು ತೋರಿಸಿದೆ. ಇಂಟರ್ನೆಟ್ ಸೇರ್ಪಡೆಯ ವೈಶಾಲ್ಯಗಳು ಕಡಿಮೆ ಇದ್ದವು (ಪ 0.05). ವರ್ಗೀಕರಣದ ನಿಖರತೆಯು ಸಕ್ರಿಯ ಪ್ರದೇಶಗಳಲ್ಲಿ ಬೇಯೆಸಿಯನ್ ಆಧಾರಿತ ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು 93% ಗಿಂತ ಹೆಚ್ಚಿನದನ್ನು ತಲುಪಬಹುದು, ಆದರೆ ಇದು ಕೇಂದ್ರ ಪ್ರದೇಶಗಳಲ್ಲಿ 90% ಗಿಂತ ಕಡಿಮೆಯಿತ್ತು. ಐಎ ಪೀಡಿತ ವಿಶ್ವವಿದ್ಯಾಲಯದ ವಿದ್ಯಾರ್ಥಿಗಳ ಮೆದುಳಿನ ಪ್ರತಿಕ್ರಿಯೆ ಮತ್ತು ಮೆಮೊರಿ ಸಾಮರ್ಥ್ಯಗಳ ಮೇಲೆ ನಕಾರಾತ್ಮಕ ಪ್ರಭಾವಗಳಿವೆ ಎಂದು ಫಲಿತಾಂಶಗಳು ತೋರಿಸುತ್ತವೆ. ಪೂರ್ಣಾಂಕ ಗುಣಾಂಕ ಫಿಲ್ಟರ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು 50 Hz ವಿದ್ಯುತ್ ಶಬ್ದವನ್ನು ನಿಗ್ರಹಿಸಲು ಪ್ರಾಯೋಗಿಕ ಡಿಜಿಟಲ್ ಫಿಲ್ಟರ್ ಅನುಷ್ಠಾನದೊಂದಿಗೆ ಕಾಗದವು ವ್ಯವಹರಿಸುತ್ತದೆ. ಅತ್ಯಂತ ವೇಗವಾಗಿ ಮತ್ತು ಸರಳವಾದ ಪರಿಹಾರವು ವಿದ್ಯುತ್ ಶಬ್ದದ ಮೂಲ ಮತ್ತು ಸಾಮರಸ್ಯದ ಅಂಶಗಳನ್ನು ರೇಖಾತ್ಮಕವಲ್ಲದ ವಿರೂಪಗಳೊಂದಿಗೆ ನಿಗ್ರಹಿಸಲು ಶಕ್ತಗೊಳಿಸುತ್ತದೆ. ವಿದ್ಯುತ್ ಶಬ್ದ ನಿಗ್ರಹದ ಪರಿಣಾಮಕಾರಿತ್ವವನ್ನು ಪರೀಕ್ಷಿಸಲು ನಿಜವಾದ ಇಸಿಜಿ ಸಂಕೇತಗಳನ್ನು ಬಳಸಲಾಗುತ್ತಿತ್ತು. ಶಬ್ದದ ಮೂಲ ಸೈನುಸೈಡಲ್ ಮತ್ತು ಆಯತಾಕಾರದ ತರಂಗಕ್ಕಾಗಿ ನಿಖರತೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲಾಗುತ್ತದೆ.
ಕೀವರ್ಡ್ಗಳನ್ನು: ಚಾನೆಲ್ ಆಯ್ಕೆ; ಘಟನೆ-ಸಂಬಂಧಿತ ಸಾಮರ್ಥ್ಯಗಳು; ಸ್ವತಂತ್ರ ಘಟಕ ವಿಶ್ಲೇಷಣೆ; P300; ಪ್ಯಾಟರ್ನ್ ರೆಕಗ್ನಿಷನ್
ಡಾಕ್ಯುಮೆಂಟ್ ಪ್ರಕಾರ: ಸಂಶೋಧನಾ ಬರಹ
ನಾನ: https://doi.org/10.1166/jmihi.2015.1570
ಪ್ರಕಟಣೆ ದಿನಾಂಕ: ನವೆಂಬರ್ 1, 2015
;