autores: Ling, Zou; Yue, Chen; Wenjie, Li; Fan, Jing
Fonte: Journal of Medical Imaging e Informática em Saúde, Volume 5, Número 7, novembro de 2015, pp. 1499-1503 (5)
Fabricante : Editores Científicos Americanos
Abstrato:
Neste artigo, os sinais de eletroencefalograma (EEG) foram registrados de dez estudantes universitários saudáveis e dez com vício em Internet (IA), durante um paradigma visual excêntrico. Primeiro, os sinais originais foram pré-processados para remover alguns artefatos usando o algoritmo Independent Component Analysis (ICA). Em seguida, a Análise de Componentes Principais (PCA) foi empregada para selecionar um subconjunto de canais que preserva a maior parte das informações em comparação com o conjunto completo de 64 canais. Finalmente, as características das ondas P300 foram extraídas dos potenciais relacionados a eventos (ERPs) e comparadas entre os ERPs alvo e não alvo, bem como entre o grupo IA e o grupo de controle. Os recursos extraídos foram ainda usados para treinar quatro classificadores: Análise de Discriminação Linear de Fisher (FLDA), Rede Neural de Retropropagação (BP), Classificador Bayesiano (BC) e Rede Neural de Retropropagação de Regularização Bayesiana (BRBP). Os canais ativos estavam localizados nas áreas frontal, parietal, occipital e parietal-occipital para estudantes universitários saudáveis e com AI. A latência dos ERPs médios de 42 ensaios sob estimulação alvo foi maior do que a média dos ERPs de 558 ensaios sob estimulação não alvo (p 0.05), e a amplitude dos ERPs médios de 42 ensaios sob estimulação alvo foi maior do que a dos ERPs médios de 558 ensaios sob não alvo (p 0.05). Mostrou uma diferença significativa nas amplitudes de P300 entre indivíduos saudáveis e sujeitos de Adição à Internet. As amplitudes da adição à Internet foram menores (p 0.05). A precisão da classificação poderia alcançar acima de 93% usando o método baseado em Bayesian em áreas ativas, enquanto era menor que 90% em áreas centrais. Os resultados mostram que há influências negativas sobre a resposta cerebral e as habilidades de memória de estudantes universitários afetados pela IA. O documento trata da implementação prática de filtros digitais para suprimir o ruído de energia 50 Hz usando filtros de coeficientes inteiros. A solução muito rápida e simples permite suprimir componentes básicos e harmônicos de ruído de energia com distorções não-lineares. Sinais reais de ECG foram usados para testar a eficácia da supressão de ruído de energia. A precisão é avaliada quanto à onda sinusoidal e retangular básica de ruído.
Palavras-chave: SELEÇÃO DE CANAL; POTENCIAIS RELACIONADOS AO EVENTO; ANÁLISE DE COMPONENTE INDEPENDENTE; P300; RECONHECIMENTO DE PADRÕES
Tipo de documento: Artigo de Pesquisa
DOI: https://doi.org/10.1166/jmihi.2015.1570
Data de publicação: novembro 1, 2015