Odkrivanje in klasifikacija elementov elektroencefalograma pri ljudeh z motnjami odvisnosti od interneta z vizualno paradigmo odbijanja (2015)

Avtorji: Ling, Zou; Yue, Chen; Wenjie, Li; Ventilator, Jing

vir: Revija za medicinsko slikanje in zdravstveno informatiko, Zvezek 5, številka 7, november 2015, str. 1499-1503 (5)

Založnik: Ameriški znanstveni založniki

Povzetek:

V tem prispevku so bili med vizualno čudno paradigmo zabeleženi signali elektroencefalograma (EEG) desetih univerzitetnih študentov, ki jih je prizadela internetna zasvojenost (IA). Najprej so bili prvotni signali predhodno obdelani za odstranitev nekaterih artefaktov z uporabo algoritma Independent Component Analysis (ICA). Nato je bila uporabljena Analiza glavne komponente (PCA) za izbiro podskupine kanalov, ki ohranjajo večino informacij v primerjavi s celotnim naborom 64 kanalov. Na koncu so bile značilnosti valov P300 izluščene iz potencialov, povezanih z dogodki (ERP), in primerjane med ciljnimi ERP in neciljnimi ERP ter v skupini IA in kontrolni skupini. Izvlečene funkcije so bile nadalje uporabljene za usposabljanje štirih klasifikatorjev: Fisher Linear Discriminate Analysis (FLDA), Back Propagation (BP), Nevronska mreža, Bayesov klasifikator (BC) in Bayesova regulativna regulacija (BRBP). Aktivni kanali so bili nameščeni v čelnem, parietalnem, okcipitalnem in parietalno-okcipitalnem predelu tako za zdrave kot za IA prizadete univerzitetne študente. Zakasnitev 42 povprečnih ERP pod ciljno stimulacijo je bila daljša kot pri 558 preskušanjih, povprečenih ERP pri neciljni stimulaciji (str 0.05), amplituda 42 povprečnih ERP pod ciljno stimulacijo pa je bila večja kot pri 558 preskušanjih, povprečenih ERP pod neciljno (str 0.05). Pokazala se je pomembna razlika v amplitudah P300 med zdravimi osebami in osebami z dodatkom interneta. Amplitude Internet Addition so bile nižje (str 0.05). Natančnost razvrstitve bi lahko dosegla več kot 93% z uporabo Bayesove metode na aktivnih območjih, medtem ko je bila na osrednjih območjih nižja od 90%. Rezultati kažejo, da negativno vplivajo na možganski odziv in spominske sposobnosti študentov, ki so na udaru z IA. V prispevku je obravnavana praktična izvedba digitalnih filtrov za zatiranje hrupa moči 50 Hz z uporabo celih koeficientov filtri. Zelo hitra in preprosta rešitev omogoča zatiranje osnovnih in harmoničnih komponent hrupa moči z nelinearnimi popačenji. Pravi signali EKG so bili uporabljeni za preverjanje učinkovitosti zaviranja hrupa energije. Natančnost se ocenjuje za osnovni sinusoidni in pravokotni val hrupa.

ključne besede: IZBIRA KANALA; POTENCIJALI, KI JIH ZADAJO DOGODKI; NEZAVISNA ANALIZA SESTAVNIH SESTAV; P300; PREPOZNAVANJE VZORCEV

Vrsta dokumenta: Članek o raziskavi

DOI: https://doi.org/10.1166/jmihi.2015.1570

Datum objave: november 1, 2015