Auteurs: Leng, Zou; Yue, Chen; Wenjie, Li; Fan, Jing
Bron: Journal of Medical Imaging and Health Informatics, Jaargang 5, nummer 7, november 2015, pp.1499-1503 (5)
Uitgever: Amerikaanse wetenschappelijke uitgevers
Abstract:
In dit artikel werden de elektro-encefalogram (EEG) -signalen opgenomen van tien gezonde en tien door internetverslaving (IA) getroffen universiteitsstudenten tijdens een visueel excentriek paradigma. Eerst werden de originele signalen voorbewerkt om enkele artefacten te verwijderen met behulp van het ICA-algoritme (Independent Component Analysis). Vervolgens werd de Principal Component Analysis (PCA) gebruikt om een subset van kanalen te selecteren die de meeste informatie behouden in vergelijking met de volledige set van 64 kanalen. Ten slotte werden kenmerken van P300-golven geëxtraheerd uit de event related potentials (ERP's) en vergeleken tussen de doel-ERP's en niet-doel-ERP's, evenals tussen de IA-groep en de controlegroep. De geëxtraheerde functies werden verder gebruikt om vier classifiers te trainen: Fisher Linear Discriminate Analysis (FLDA), Back Propagation (BP) Neural Network, Bayesian Classifier (BC) en Bayesian Regularization Back Propagation (BRBP) Neural Network. De actieve kanalen bevonden zich in de frontale, pariëtale, occipitale en pariëtale-occipitale gebieden voor zowel gezonde als IA-getroffen universiteitsstudenten. De latentie van de gemiddelde ERP's van 42 onderzoeken onder doelstimulatie was langer dan die van de gemiddelde ERP's van 558 onderzoeken onder niet-doelstimulatie (p 0.05), en de amplitude van de gemiddelde ERP's van 42 onderzoeken onder doelstimulatie was groter dan die van de gemiddelde ERP's van 558 onderzoeken onder niet-doelstimulatie (p 0.05). Het toonde een significant verschil in P300-amplitudes tussen gezonde proefpersonen en proefpersonen met Internet Addition. De amplitudes van Internet Addition waren lager (p 0.05). De classificatienauwkeurigheid kon meer dan 93% bedragen met behulp van de op Bayesiaanse methode gebaseerde methode in actieve gebieden, terwijl deze lager was dan 90% in centrale gebieden. De resultaten tonen aan dat er negatieve invloeden zijn op de hersenrespons en het geheugenvermogen van IA-getroffen universiteitsstudenten. Het artikel behandelt de praktische implementatie van digitale filters om 50 Hz vermogensruis te onderdrukken met behulp van filters met gehele coëfficiënten. Zeer snelle en eenvoudige oplossing maakt het mogelijk om zowel basis- als harmonische componenten van vermogensruis met niet-lineaire vervormingen te onderdrukken. Echte ECG-signalen werden gebruikt om de effectiviteit van de onderdrukking van stroomruis te testen. De nauwkeurigheid wordt geëvalueerd voor basale sinusoïdale en rechthoekige ruisgolven.
sleutelwoorden: KANAALKEUZE; EVENEMENTGERELATEERDE MOGELIJKHEDEN; ONAFHANKELIJKE COMPONENTANALYSE; P300; PATROONHERKENNING
Soort document: onderzoeksartikel
DOI: https://doi.org/10.1166/jmihi.2015.1570
Publicatiedatum: 1 november 2015
;