Détection automatique des artefacts EEG dus aux mouvements de tête à l'aide de gyroscopes

Nuri Djavit

Mis à jour le

7 nov. 2010

Détection automatique des artefacts EEG dus aux mouvements de tête à l'aide de gyroscopes

Nuri Djavit

Mis à jour le

7 nov. 2010

Détection automatique des artefacts EEG dus aux mouvements de tête à l'aide de gyroscopes

Nuri Djavit

Mis à jour le

7 nov. 2010

S. O’Regan. Dept. of Electr. Eng., Univ. Coll. Cork, Cork, Irlande

Résumé

La nécessité d'une détection fiable des artefacts de mouvement de la tête dans un système EEG ambulatoire a été démontrée dans des travaux antérieurs. Dans cet article, nous proposons l'utilisation de gyroscopes pour détecter les artefacts dans l'EEG. Un ensemble de caractéristiques est extrait des signaux du gyroscope et classé à l'aide de la fonction d'évaluation de l'information mutuelle (Mutual Information Evaluation Function). Une analyse discriminante linéaire est ensuite utilisée comme moyen de séparation entre l'EEG normal et les artefacts. Un classificateur par machine à vecteurs de support (SVM) est également appliqué aux signaux de caractéristiques du gyroscope. Les résultats indiquent une bonne séparation entre les caractéristiques du gyroscope extraites de l'EEG normal et celles extraites d'artefacts provenant de mouvements de la tête, ce qui constitue un argument solide en faveur de l'inclusion des signaux du gyroscope comme caractéristiques dans la classification des artefacts de mouvement de la tête.Cliquez ici pour lire le rapport complet

S. O’Regan. Dept. of Electr. Eng., Univ. Coll. Cork, Cork, Irlande

Résumé

La nécessité d'une détection fiable des artefacts de mouvement de la tête dans un système EEG ambulatoire a été démontrée dans des travaux antérieurs. Dans cet article, nous proposons l'utilisation de gyroscopes pour détecter les artefacts dans l'EEG. Un ensemble de caractéristiques est extrait des signaux du gyroscope et classé à l'aide de la fonction d'évaluation de l'information mutuelle (Mutual Information Evaluation Function). Une analyse discriminante linéaire est ensuite utilisée comme moyen de séparation entre l'EEG normal et les artefacts. Un classificateur par machine à vecteurs de support (SVM) est également appliqué aux signaux de caractéristiques du gyroscope. Les résultats indiquent une bonne séparation entre les caractéristiques du gyroscope extraites de l'EEG normal et celles extraites d'artefacts provenant de mouvements de la tête, ce qui constitue un argument solide en faveur de l'inclusion des signaux du gyroscope comme caractéristiques dans la classification des artefacts de mouvement de la tête.Cliquez ici pour lire le rapport complet

S. O’Regan. Dept. of Electr. Eng., Univ. Coll. Cork, Cork, Irlande

Résumé

La nécessité d'une détection fiable des artefacts de mouvement de la tête dans un système EEG ambulatoire a été démontrée dans des travaux antérieurs. Dans cet article, nous proposons l'utilisation de gyroscopes pour détecter les artefacts dans l'EEG. Un ensemble de caractéristiques est extrait des signaux du gyroscope et classé à l'aide de la fonction d'évaluation de l'information mutuelle (Mutual Information Evaluation Function). Une analyse discriminante linéaire est ensuite utilisée comme moyen de séparation entre l'EEG normal et les artefacts. Un classificateur par machine à vecteurs de support (SVM) est également appliqué aux signaux de caractéristiques du gyroscope. Les résultats indiquent une bonne séparation entre les caractéristiques du gyroscope extraites de l'EEG normal et celles extraites d'artefacts provenant de mouvements de la tête, ce qui constitue un argument solide en faveur de l'inclusion des signaux du gyroscope comme caractéristiques dans la classification des artefacts de mouvement de la tête.Cliquez ici pour lire le rapport complet

Continuez à lire

Interface cerveau-ordinateur basée sur la génération d'images visuelles