Авторы: Линь, Цзоу; Юэ, Чен; Вэньцзе, Ли; Фан, Цзин
Источник: Журнал медицинской визуализации и информатики здравоохранения, Volume 5, Number 7, ноябрь 2015, стр. 1499-1503 (5)
Издатель: Американские научные издательства
Абстрактные:
В этой статье сигналы электроэнцефалограммы (ЭЭГ) были записаны у десяти здоровых и десяти студентов университета, страдающих интернет-зависимостью (ИА), в рамках парадигмы визуальных чудаков. Сначала исходные сигналы были предварительно обработаны для удаления некоторых артефактов с использованием алгоритма независимого анализа компонентов (ICA). Затем был использован анализ основных компонентов (PCA) для выбора подмножества каналов, которые сохраняют большую часть информации по сравнению с полным набором из 64 каналов. Наконец, характеристики волн P300 были извлечены из потенциалов, связанных с событием (ERP), и сравнены между целевыми ERP и нецелевыми ERP, а также между группой IA и контрольной группой. Извлеченные признаки в дальнейшем использовались для обучения четырех классификаторов: линейного дискриминантного анализа Фишера (FLDA), нейронной сети обратного распространения (BP), байесовского классификатора (BC) и нейронной сети обратного распространения байесовской регуляризации (BRBP). Активные каналы были расположены в лобной, теменной, затылочной и теменно-затылочной областях как у здоровых, так и у студентов университетов с ИА. Латентность усредненных ERP 42 испытаний при целевой стимуляции была больше, чем у усредненных ERP 558 испытаний при нецелевой стимуляции (п 0.05), а амплитуда усредненных ERP 42 испытаний при целевой стимуляции была больше, чем амплитуда усредненных ERP 558 испытаний при нецелевой (п 0.05). Он показал значительную разницу в амплитудах P300 между здоровыми субъектами и субъектами интернет-добавления. Амплитуды интернет-сложения были ниже (п 0.05). Точность классификации может превышать 93% при использовании байесовского метода в активных районах, тогда как в центральных районах она была ниже 90%. Результаты показывают, что существует негативное влияние на реакцию мозга и способности памяти студентов, страдающих IA. В статье рассматривается практическая реализация цифрового фильтра для подавления шума мощности 50 Гц с использованием фильтров с целыми коэффициентами. Очень быстрое и простое решение позволяет подавлять как основные, так и гармонические составляющие силового шума с нелинейными искажениями. Реальные сигналы ЭКГ использовались для проверки эффективности подавления энергетического шума. Точность оценивается для основной синусоидальной и прямоугольной волны шума.
Ключевые слова: ВЫБОР КАНАЛА; СОБЫТИЯ, СВЯЗАННЫЕ С СОБЫТИЯМИ; НЕЗАВИСИМЫЙ КОМПОНЕНТНЫЙ АНАЛИЗ; P300; РАСПОЗНАВАНИЕ ОБРАЗОВ
Тип документа: научная статья
DOI: https://doi.org/10.1166/jmihi.2015.1570
Дата публикации: ноябрь 1, 2015
;
