作者： 凌邹岳辰李文杰范静
Sumber: 医学影像与健康信息学杂志，第5卷，第7号，2015年1499月，第1503-5（XNUMX）页
出版商： 美国科学出版社
摘要：
在本文中，在视觉奇怪球范例中，从十名健康和十名受互联网成瘾（IA）影响的大学生中记录了脑电图（EEG）信号。 首先，使用独立分量分析（ICA）算法对原始信号进行预处理，以去除一些伪像。 然后，采用主成分分析（PCA）来选择保留全部信息（与64个通道的整个集合相比）的大多数信息的通道子集。 最后，从事件相关电位（ERP）中提取P300波的特征，并在目标ERP和非目标ERP以及IA组和对照组之间进行比较。 提取的特征进一步用于训练四个分类器：Fisher线性判别分析（FLDA），反向传播（BP）神经网络，贝叶斯分类器（BC）和贝叶斯正则化反向传播（BRBP）神经网络。 对于健康的和受IA影响的大学生，活跃的渠道位于额，顶，枕和顶枕区域。 在目标刺激下，有42个试验的平均ERP的潜伏期比在非目标刺激下的558个试验的平均ERP的潜伏期长（p 0.05），目标刺激下42个试验的平均ERPs的幅度大于非目标条件下558个试验的平均ERPs的幅度（p 0.05）。 它显示健康受试者和互联网增加受试者之间P300幅度的显着差异。 互联网增加的幅度较低（p 0.05）。 在活动区域使用基于贝叶斯的方法，分类精度可以达到93％以上，而在中心区域则低于90％。 结果表明，受IA影响的大学生的大脑反应和记忆能力存在负面影响。 本文讨论了使用整数系数滤波器抑制50 Hz功率噪声的实际数字滤波器实现。 非常快速和简单的解决方案能够抑制具有非线性失真的功率噪声的基本和谐波分量。 实际ECG信号用于测试功率噪声抑制的有效性。 评估基本正弦波和矩形噪声波的精度。
关键词： 频道选择; 事件相关的潜力; 独立分量分析; 请在300月XNUMX日至XNUMX日来台北台湾参观我们的展位PXNUMX。; 模式识别
文件类型： 研究文章
作者： https://doi.org/10.1166/jmihi.2015.1570
出版日期：11月1，2015
;
