Autori: Ling, Zou; Yue, Chen; Wenjie, Li; Fanúšik, Jing
zdroj: Journal of Medical Imaging a zdravotníckej informatiky, Zväzok 5, číslo 7, november 2015, s. 1499-1503 (5)
Vydavateľ: American Scientific Publishers
Abstrakt:
V tomto článku boli signály elektroencefalogramu (EEG) zaznamenané od desiatich zdravých a desiatich študentov univerzity závislých od internetu (IA) počas paradigmy vizuálneho oddbalu. Najskôr boli pôvodné signály predspracované na odstránenie niektorých artefaktov pomocou algoritmu ICA (Independent Component Analysis). Potom sa použila analýza hlavných komponentov (PCA) na výber podmnožiny kanálov, ktoré zachovajú väčšinu informácií v porovnaní s úplnou sadou 64 kanálov. Nakoniec boli vlastnosti vĺn P300 extrahované z potenciálov súvisiacich s udalosťami (ERP) a porovnané medzi cieľovými ERP a necieľovými ERP, ako aj medzi skupinou IA a kontrolnou skupinou. Získané funkcie sa ďalej používali na školenie štyroch klasifikátorov: Fisher Linear Discriminate Analysis (FLDA), Back Propagation (BP) Neural Network, Bayesian Classifier (BC) a Bayesian Regularization Back Propagation (BRBP) Neural Network. Aktívne kanály boli umiestnené v čelnej, temennej, okcipitálnej a temenno-okcipitálnej oblasti pre zdravých aj IA postihnutých študentov univerzity. Latencia priemerných ERP 42 pokusov pri stimulácii cieľa bola dlhšia ako latencia priemerných ERP 558 pokusov pri necieľovej stimulácii (p 0.05) a amplitúda priemerných ERP 42 pokusov pri stimulácii cieľa bola väčšia ako amplitúda priemerných ERP 558 pokusov pri necieľových (p 0.05). Ukazoval významný rozdiel v amplitúdach P300u medzi zdravými jedincami a jedincami s pridaním na internet. Amplitúda prírastku na internet bola nižšia (p 0.05). Presnosť klasifikácie by mohla dosiahnuť nad 93% pomocou Bayesovskej metódy v aktívnych oblastiach, zatiaľ čo v centrálnych oblastiach bola nižšia ako 90%. Výsledky ukazujú, že existuje negatívny vplyv na mozgovú odpoveď a pamäťové schopnosti vysokoškolských študentov postihnutých IA. Článok sa zaoberá praktickou implementáciou digitálneho filtra na potlačenie výkonového šumu 50 Hz pomocou filtrov s celočíselnými koeficientmi. Veľmi rýchle a jednoduché riešenie umožňuje potlačenie základných aj harmonických zložiek energetického hluku s nelineárnymi skresleniami. Skutočné signály EKG sa použili na testovanie účinnosti potlačenia šumu energie. Presnosť sa vyhodnocuje pre základné sínusoidné a pravouhlé vlny hluku.
Kľúčové slová: VÝBER KANÁLU; POTENCIály TÝKAJÚCE SA PODUJATÍ; NEZÁVISLÁ ANALÝZA KOMPONENTOV; P300; UZNANIE VZORKY
Typ dokumentu: Článok výskumu
DOI: https://doi.org/10.1166/jmihi.2015.1570
Dátum vydania: november 1, 2015
;
