Auteuren: Ling, Zou; Yue, Chen; Wenjie, Li; Fan, Jing
Source: Journal of Medical Imaging a Gesondheetsinformatioun, Band 5, Nummer 7, November 2015, S. 1499-1503 (5)
Editeur: Amerikanesch Wëssenschaftlech Editeuren
mythologesch:
An dësem Pabeier goufen d'Elektroencephalogramm (EEG) Signaler vun zéng gesonden an zéng Internet Sucht (IA) -afflicéierten Universitéitsstudenten wärend engem visuellen Oddball Paradigma opgeholl. Als éischt goufen d'originell Signaler virveraarbecht fir e puer Artefakte mat Independent Component Analysis (ICA) Algorithmus ze läschen. Duerno gouf d'Principal Component Analyse (PCA) beschäftegt fir en Ënnergrupp vu Kanäl ze wielen, déi déi meescht Informatioun am Verglach zum komplette Satz vun 64 Kanäl erhalen. Schlussendlech goufe Feature vu P300 Wellen aus den Eventrelaterte Potenzialer (ERPs) extrahéiert a verglach iwwer d'Zil ERPs an Net-Zil ERPs, souwéi iwwer d'IA Grupp a Kontrollgrupp. Déi extrahéiert Feature goufe weider benotzt fir véier Classeuren ze trainéieren: Fisher Linear Discriminate Analysis (FLDA), Back Propagation (BP) Neural Network, Bayesian Classifier (BC) a Bayesian Regularization Back Propagation (BRBP) Neural Network. Déi aktiv Kanäl waren an de frontalen, parietalen, occipitalen a parietal-occipital Gebidder fir béid gesond an IA-befall Universitéitsstudenten. D'Latenz vun 42 Prozesser "duerchschnëttlech ERPs ënner Zilstimulatioun war méi laang wéi déi vun 558 Verspriechen" duerchschnëttlech ERPs ënner net-Zilstimulatioun (p 0.05), an d'Amplitude vun 42 Prozesser "duerchschnëttlech ERPs ënner Zilstimulatioun war méi grouss wéi déi vun 558 Prozesser" duerchschnëttlech ERPs ënner Net-Zil (p 0.05). Et huet bedeitend Ënnerscheed zu P300 Amplituden tëscht gesonde Sujeten an Internet Additiouns Sujete gewisen. D'Amplituden vu Internet Additioun ware méi niddreg (p 0.05). D'Klassifizéierungsgenauegkeet kéint iwwer 93% mat Bayesianbaséierter Method an aktive Beräicher erreechen, wärend et ënner 90% an zentrale Beräicher war. D'Resultater weisen datt et negativ Aflëss op d'Gehirer Äntwert an d'Erënnerungsfäegkeeten vun IA-beaflosst Universitéitsstudenten hunn. De Pabeier beschäftegt mat praktescher digitaler Implementéierung fir den 50 Hz Kraaftraus mat helleg Koeffizienten Filteren z'erdrängen. Ganz séier an einfach Léisung erméiglecht souwuel Basis wéi och harmonesch Komponente vu Kraaftraus mat netlinearer Verzerrungen z'ënnerhalen. Real ECG Signaler goufen benotzt fir d'Effektivitéit vu Kraaftgeräuschung ze testen. Genauegkeet gëtt fir Basis sinusförmeg a rechteckeg Wellen vum Kaméidi bewäert.
Schlësselwieder: CHANNEL SELECTION; EVENTRELATéiert Potenzialer; INDEPENDENT KOMPONENT ANALYSIS; P300; PATTERN ERKNÄRUNG
Dokumenttyp: Fuerschung Artikel
DOI: https://doi.org/10.1166/jmihi.2015.1570
Publikatiouns Datum: November 1, 2015
;