länk till studie
Framsteg i nervnätverk - ISNN 2016
Volym 9719 av serien Föreläsningsanteckningar inom datavetenskap pp 66-73
Datum: 02 juli 2016
- Wenjie Li
- , Ling Zou
- , Tiantong Zhou
- , Changming Wang
- , Jiongru Zhou
Abstrakt
Fullständig inspelning av hårbotten elektroencefalografi (EEG) används vanligtvis i hjärndatorns gränssnittsapplikationer (BCI) -applikationer med flerkanalselektrodkapsel. Uppgifterna har inte bara omfattande information om applikationen, utan har också irrelevant information och buller vilket gör det svårt att avslöja mönstren. Denna artikel presenterar vår preliminära forskning om att välja de optimala kanalerna för att studera internetberoende med det visuella ”Oddball” -paradigmet. En tvåstegsmodell användes för att välja de mest relevanta kanalerna för uppgiften från hela uppsättningen 64-kanaler. Först rankades kanalerna beroende på power spectrum densitet (PSD) och Fisher-förhållandet separat för varje ämne. För det andra beräknades förekomsten av varje kanal bland olika ämnen. Kanaler vars händelser var mer än två gånger bestod av den optimala kombinationen. De optimala kanalerna och andra jämförelsekombinationer av kanaler (inklusive hela kanalerna) användes för att skilja mellan mål- och icke-målstimuleringar med Fisher linjära diskriminerande analysmetod. Klassificeringsresultat visade att kanalvalmetoden kraftigt minskade de rikliga kanalerna och garanterade klassificeringsnoggrannheten, specificiteten och känsligheten. Av resultaten kan man dra slutsatsen att det finns uppmärksamhetsunderskott på internetberoende.
Nyckelord
Kanalval Electroencephalogram (EEG) Internetberoende Oddball Power spektrum densitet Fisher linjär diskriminant analys
;