تشخیص خودکار آرتیفکتهای EEG ناشی از حرکات سر با استفاده از سیگنالهای EEG و ژیروسکوپ
به اشتراک گذاری:


سایمون او’رگان، استیون فاول، ویلیام ماریانی. دپارتمان مهندسی برق و الکترونیک، دانشگاه کالج کُرک، ایرلند
خلاصه
آلوده شدن سیگنالهای EEG توسط مصنوعات ناشی از حرکات سر، مانع جدی در استقرار سیستمهای شناسایی خودکار رویدادهای عصبی در EEG سیار بوده است. در این مقاله، به دستهبندی این مصنوعات حرکتی سر به عنوان یک کلاس مجزا و استفاده از ماشینهای بردار پشتیبان برای شناسایی خودکار حضور آنها پرداختهایم. استفاده از سیگنالهای فیزیکی اضافی در شناسایی مصنوعات حرکتی سر نیز از طریق طبقهبندهای ماشین بردار پشتیبان که با شکلموجهای ژیروسکوپ پیادهسازی شدهاند، مورد بررسی قرار میگیرد. در نهایت، ترکیب ویژگیهای استخراج شده از سیگنالهای EEG و ژیروسکوپ بررسی میشود تا الگوریتمی طراحی کنیم که هر دو سیگنالهای فیزیکی و فیزیولوژیکی را در شناسایی دقیق مصنوعات ناشی از حرکات سر در نظر بگیرد.برای خواندن مقاله کامل اینجا کلیک کنید
سایمون او’رگان، استیون فاول، ویلیام ماریانی. دپارتمان مهندسی برق و الکترونیک، دانشگاه کالج کُرک، ایرلند
خلاصه
آلوده شدن سیگنالهای EEG توسط مصنوعات ناشی از حرکات سر، مانع جدی در استقرار سیستمهای شناسایی خودکار رویدادهای عصبی در EEG سیار بوده است. در این مقاله، به دستهبندی این مصنوعات حرکتی سر به عنوان یک کلاس مجزا و استفاده از ماشینهای بردار پشتیبان برای شناسایی خودکار حضور آنها پرداختهایم. استفاده از سیگنالهای فیزیکی اضافی در شناسایی مصنوعات حرکتی سر نیز از طریق طبقهبندهای ماشین بردار پشتیبان که با شکلموجهای ژیروسکوپ پیادهسازی شدهاند، مورد بررسی قرار میگیرد. در نهایت، ترکیب ویژگیهای استخراج شده از سیگنالهای EEG و ژیروسکوپ بررسی میشود تا الگوریتمی طراحی کنیم که هر دو سیگنالهای فیزیکی و فیزیولوژیکی را در شناسایی دقیق مصنوعات ناشی از حرکات سر در نظر بگیرد.برای خواندن مقاله کامل اینجا کلیک کنید
سایمون او’رگان، استیون فاول، ویلیام ماریانی. دپارتمان مهندسی برق و الکترونیک، دانشگاه کالج کُرک، ایرلند
خلاصه
آلوده شدن سیگنالهای EEG توسط مصنوعات ناشی از حرکات سر، مانع جدی در استقرار سیستمهای شناسایی خودکار رویدادهای عصبی در EEG سیار بوده است. در این مقاله، به دستهبندی این مصنوعات حرکتی سر به عنوان یک کلاس مجزا و استفاده از ماشینهای بردار پشتیبان برای شناسایی خودکار حضور آنها پرداختهایم. استفاده از سیگنالهای فیزیکی اضافی در شناسایی مصنوعات حرکتی سر نیز از طریق طبقهبندهای ماشین بردار پشتیبان که با شکلموجهای ژیروسکوپ پیادهسازی شدهاند، مورد بررسی قرار میگیرد. در نهایت، ترکیب ویژگیهای استخراج شده از سیگنالهای EEG و ژیروسکوپ بررسی میشود تا الگوریتمی طراحی کنیم که هر دو سیگنالهای فیزیکی و فیزیولوژیکی را در شناسایی دقیق مصنوعات ناشی از حرکات سر در نظر بگیرد.برای خواندن مقاله کامل اینجا کلیک کنید