Autorzy: Ling, Zou; Yue, Chen; Wenjie, Li; Fan, Jing
Źródło: Journal of Medical Imaging and Health Informatics, Tom 5, numer 7, listopad 2015, s.1499-1503 (5)
Wydawca: Amerykańskie wydawnictwa naukowe
Abstrakcyjny:
W tym artykule zarejestrowano sygnały elektroencefalogramu (EEG) od dziesięciu zdrowych i dziesięciu studentów uniwersytetu dotkniętych uzależnieniem od Internetu (IA) podczas wizualnego dziwacznego paradygmatu. Najpierw oryginalne sygnały zostały wstępnie przetworzone w celu usunięcia niektórych artefaktów przy użyciu algorytmu Independent Component Analysis (ICA). Następnie zastosowano analizę głównych komponentów (PCA), aby wybrać podzbiór kanałów, które zachowują większość informacji w porównaniu z pełnym zestawem 64 kanałów. Wreszcie cechy fal P300 zostały wyodrębnione z potencjałów związanych ze zdarzeniami (ERP) i porównane z docelowymi ERP i niedocelowymi ERP, a także z grupą IA i grupą kontrolną. Wyodrębnione cechy zostały następnie wykorzystane do szkolenia czterech klasyfikatorów: liniowej analizy dyskryminacyjnej Fishera (FLDA), sieci neuronowej z propagacją wsteczną (BP), klasyfikatora bayesowskiego (BC) i sieci neuronowej regularyzacji wstecznej Bayesa (BRBP). Aktywne kanały znajdowały się w okolicy czołowej, ciemieniowej, potylicznej i ciemieniowo-potylicznej zarówno u studentów zdrowych, jak i dotkniętych IA. Opóźnienie uśrednionych ERP w 42 próbach podczas stymulacji docelowej było dłuższe niż w przypadku uśrednionych ERP w 558 próbach podczas stymulacji innej niż docelowa (p 0.05), a amplituda uśrednionych ERP w 42 próbach pod wpływem stymulacji docelowej była większa niż w przypadku uśrednionych ERP w 558 próbach poniżej celu (p 0.05). Wykazał znaczącą różnicę w amplitudach P300 między zdrowymi osobami a przedmiotami dodawanymi do Internetu. Amplitudy dodawania Internetu były niższe (p 0.05). Dokładność klasyfikacji może sięgać powyżej 93% przy użyciu metody opartej na Bayesian w obszarach aktywnych, podczas gdy była niższa niż 90% w obszarach centralnych. Wyniki pokazują, że negatywny wpływ na reakcję mózgu i zdolności pamięciowe studentów uniwersytetów dotkniętych IA. Artykuł dotyczy praktycznej implementacji filtru cyfrowego w celu tłumienia szumu mocy 50 Hz przy użyciu filtrów współczynników całkowitych. Bardzo szybkie i proste rozwiązanie umożliwia tłumienie zarówno podstawowych, jak i harmonicznych składowych szumu mocy przy zniekształceniach nieliniowych. Rzeczywiste sygnały EKG były wykorzystywane do testowania skuteczności tłumienia szumów mocy. Dokładność jest oceniana dla podstawowej sinusoidalnej i prostokątnej fali hałasu.
Słowa kluczowe: WYBÓR PROGRAMU; POTENCJAŁY ZWIĄZANE Z ZDARZENIAMI; NIEZALEŻNA ANALIZA KOMPONENTÓW; P300; ROZPOZNAWANIE WZORCÓW
Typ dokumentu: artykuł naukowy
DOI: https://doi.org/10.1166/jmihi.2015.1570
Data publikacji: listopad 1, 2015
;
