Autori: Linga, Zou; Yue, Chen; Veņijs, Li; Fans, Jings
Avots: Medicīnas attēlveidošanas un veselības informātikas žurnāls, 5. sējums, 7. numurs, 2015. gada novembris, 1499. – 1503. Lpp. (5)
Izdevējs: Amerikāņu zinātniskie izdevēji
Abstract:
Šajā rakstā vizuāli nepāra paradigmas laikā tika reģistrēti elektroencefalogrammas (EEG) signāli no desmit veseliem un desmit no interneta atkarības (IA) cietušiem universitātes studentiem. Pirmkārt, sākotnējie signāli tika iepriekš apstrādāti, lai noņemtu dažus artefaktus, izmantojot Independent Component Analysis (ICA) algoritmu. Tad galveno komponentu analīze (PCA) tika izmantota, lai izvēlētos kanālu apakškopu, kas saglabā lielāko daļu informācijas, salīdzinot ar pilnu 64 kanālu komplektu. Visbeidzot, P300 viļņu pazīmes tika iegūtas no ar notikumiem saistītā potenciāla (ERP) un salīdzinātas mērķa ERP un nemērķa ERP, kā arī visā IA grupā un kontroles grupā. Iegūtās pazīmes tika tālāk izmantotas četru klasifikatoru apmācībai: Fišera lineārā diskriminācijas analīze (FLDA), muguras izplatīšanās (BP) neironu tīkls, Bajesa klasifikators (BC) un Bajesa regulārā muguras izplatīšanas (BRBP) neironu tīkls. Aktīvie kanāli atradās frontālās, parietālās, pakauša un parietālās-pakauša zonās gan veseliem, gan IA nomocītiem universitātes studentiem. 42 pētījumu vidējā ERP latentība mērķa stimulācijas laikā bija garāka nekā 558 pētījumu vidēji ERP ar mērķa stimulāciju (lpp 0.05), un 42 pētījumu vidējā ERP amplitūda mērķa stimulācijas laikā bija lielāka nekā 558 pētījumu vidējā ERP amplitūda bez mērķa (lpp 0.05). Tas parādīja būtiskas P300 amplitūdas atšķirības starp veseliem indivīdiem un interneta pievienošanas priekšmetiem. Interneta pievienošanas amplitūda bija zemāka (lpp 0.05). Klasificēšanas precizitāte var sasniegt virs 93%, izmantojot Bayes bāzes metodi aktīvajās zonās, bet centrālajās zonās tā bija zemāka par 90%. Rezultāti liecina, ka ir negatīva ietekme uz smadzeņu reakciju un IA cietušo augstskolu studentu atmiņas spēju. Darbā aplūkota praktiska digitālo filtru ieviešana, lai nomāktu 50 Hz jaudas troksni, izmantojot veselu skaitļu koeficientu filtrus. Ļoti ātrs un vienkāršs risinājums ļauj nomākt gan pamata, gan harmoniskos jaudas trokšņa komponentus ar nelineāriem traucējumiem. Lai pārbaudītu enerģijas trokšņa slāpēšanas efektivitāti, tika izmantoti reāli EKG signāli. Precizitāte tiek novērtēta attiecībā uz sinusoidālo un taisnstūra pamata troksni.
atslēgvārdi: CHANNEL SELECTION; SAISTĪTIE PASĀKUMI; NEATKARĪGA SASTĀVDAĻU ANALĪZE; P300; PĀRRAUDZĪBAS ATZĪŠANA
Dokumenta veids: Pētniecības pants
DOI: https://doi.org/10.1166/jmihi.2015.1570
Publicēšanas datums: novembris 1, 2015
;
