Automatische detectie van EEG-artefacten die ontstaan door hoofdbewegingen met behulp van EEG- en gyroscoopsignalen

Nuri Djavit

Bijgewerkt op

27 sep 2012

Automatische detectie van EEG-artefacten die ontstaan door hoofdbewegingen met behulp van EEG- en gyroscoopsignalen

Nuri Djavit

Bijgewerkt op

27 sep 2012

Automatische detectie van EEG-artefacten die ontstaan door hoofdbewegingen met behulp van EEG- en gyroscoopsignalen

Nuri Djavit

Bijgewerkt op

27 sep 2012

Simon O’Reganc, Stephen Faul, William Marianne. Department of Electrical and Electronic Engineering, University College Cork, Ierland

Samenvatting

Contaminatie van EEG-signalen door artefacten als gevolg van hoofdbewegingen vormt een ernstig obstakel bij de inzet van automatische systemen voor het detecteren van neurologische gebeurtenissen in ambulante EEG. In dit artikel presenteren we werk over het categoriseren van deze hoofdbewegingsartefacten als één afzonderlijke klasse en over het gebruik van support vector machines om hun aanwezigheid automatisch te detecteren. Het gebruik van aanvullende fysieke signalen bij het detecteren van hoofdbewegingsartefacten wordt ook onderzocht door middel van support vector machines classifiers die zijn geïmplementeerd met gyroscoopgolfvormen. Ten slotte wordt de combinatie van kenmerken geëxtraheerd uit EEG- en gyroscoopsignalen onderzocht om een algoritme te ontwerpen dat zowel fysieke als fysiologische signalen integreert om artefacten als gevolg van hoofdbewegingen nauwkeurig te detecteren.Klik hier om het volledige artikel te lezen

Simon O’Reganc, Stephen Faul, William Marianne. Department of Electrical and Electronic Engineering, University College Cork, Ierland

Samenvatting

Contaminatie van EEG-signalen door artefacten als gevolg van hoofdbewegingen vormt een ernstig obstakel bij de inzet van automatische systemen voor het detecteren van neurologische gebeurtenissen in ambulante EEG. In dit artikel presenteren we werk over het categoriseren van deze hoofdbewegingsartefacten als één afzonderlijke klasse en over het gebruik van support vector machines om hun aanwezigheid automatisch te detecteren. Het gebruik van aanvullende fysieke signalen bij het detecteren van hoofdbewegingsartefacten wordt ook onderzocht door middel van support vector machines classifiers die zijn geïmplementeerd met gyroscoopgolfvormen. Ten slotte wordt de combinatie van kenmerken geëxtraheerd uit EEG- en gyroscoopsignalen onderzocht om een algoritme te ontwerpen dat zowel fysieke als fysiologische signalen integreert om artefacten als gevolg van hoofdbewegingen nauwkeurig te detecteren.Klik hier om het volledige artikel te lezen

Simon O’Reganc, Stephen Faul, William Marianne. Department of Electrical and Electronic Engineering, University College Cork, Ierland

Samenvatting

Contaminatie van EEG-signalen door artefacten als gevolg van hoofdbewegingen vormt een ernstig obstakel bij de inzet van automatische systemen voor het detecteren van neurologische gebeurtenissen in ambulante EEG. In dit artikel presenteren we werk over het categoriseren van deze hoofdbewegingsartefacten als één afzonderlijke klasse en over het gebruik van support vector machines om hun aanwezigheid automatisch te detecteren. Het gebruik van aanvullende fysieke signalen bij het detecteren van hoofdbewegingsartefacten wordt ook onderzocht door middel van support vector machines classifiers die zijn geïmplementeerd met gyroscoopgolfvormen. Ten slotte wordt de combinatie van kenmerken geëxtraheerd uit EEG- en gyroscoopsignalen onderzocht om een algoritme te ontwerpen dat zowel fysieke als fysiologische signalen integreert om artefacten als gevolg van hoofdbewegingen nauwkeurig te detecteren.Klik hier om het volledige artikel te lezen

Lees verder

Wat dacht je ervan om een goedkope, kleine en draadloze EEG mee op pad te nemen?