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

Nuri Djavit

Bijgewerkt op

7 nov 2010

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

Nuri Djavit

Bijgewerkt op

7 nov 2010

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

Nuri Djavit

Bijgewerkt op

7 nov 2010

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

Samenvatting

De behoefte aan betrouwbare detectie van hoofdbewegingsartefacten in een ambulant EEG-systeem is in vorig werk aangetoond. In dit artikel stellen we het gebruik van gyroscopen voor bij het detecteren van artefacten in EEG. Een verzameling kenmerken wordt geëxtraheerd uit de gyroscoopsignalen en gerangschikt met behulp van de Mutual Information Evaluation Function. Vervolgens wordt Lineaire Discriminantanalyse gebruikt als middel om onderscheid te maken tussen normaal EEG en artefacten. Er wordt ook een Support Vector Machine-classifier toegepast op de gyroscoopkenmerksignalen. De resultaten wijzen op een goede scheiding tussen gyroscoopkenmerken die zijn geëxtraheerd uit normaal EEG en kenmerken die zijn geëxtraheerd uit artefacten die het gevolg zijn van hoofdbewegingen, wat een sterk argument vormt voor het opnemen van gyroscoopsignalen als kenmerken bij de classificatie van hoofdbewegingsartefacten.Klik hier om het volledige rapport te lezen

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

Samenvatting

De behoefte aan betrouwbare detectie van hoofdbewegingsartefacten in een ambulant EEG-systeem is in vorig werk aangetoond. In dit artikel stellen we het gebruik van gyroscopen voor bij het detecteren van artefacten in EEG. Een verzameling kenmerken wordt geëxtraheerd uit de gyroscoopsignalen en gerangschikt met behulp van de Mutual Information Evaluation Function. Vervolgens wordt Lineaire Discriminantanalyse gebruikt als middel om onderscheid te maken tussen normaal EEG en artefacten. Er wordt ook een Support Vector Machine-classifier toegepast op de gyroscoopkenmerksignalen. De resultaten wijzen op een goede scheiding tussen gyroscoopkenmerken die zijn geëxtraheerd uit normaal EEG en kenmerken die zijn geëxtraheerd uit artefacten die het gevolg zijn van hoofdbewegingen, wat een sterk argument vormt voor het opnemen van gyroscoopsignalen als kenmerken bij de classificatie van hoofdbewegingsartefacten.Klik hier om het volledige rapport te lezen

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

Samenvatting

De behoefte aan betrouwbare detectie van hoofdbewegingsartefacten in een ambulant EEG-systeem is in vorig werk aangetoond. In dit artikel stellen we het gebruik van gyroscopen voor bij het detecteren van artefacten in EEG. Een verzameling kenmerken wordt geëxtraheerd uit de gyroscoopsignalen en gerangschikt met behulp van de Mutual Information Evaluation Function. Vervolgens wordt Lineaire Discriminantanalyse gebruikt als middel om onderscheid te maken tussen normaal EEG en artefacten. Er wordt ook een Support Vector Machine-classifier toegepast op de gyroscoopkenmerksignalen. De resultaten wijzen op een goede scheiding tussen gyroscoopkenmerken die zijn geëxtraheerd uit normaal EEG en kenmerken die zijn geëxtraheerd uit artefacten die het gevolg zijn van hoofdbewegingen, wat een sterk argument vormt voor het opnemen van gyroscoopsignalen als kenmerken bij de classificatie van hoofdbewegingsartefacten.Klik hier om het volledige rapport te lezen

Lees verder

Hersen-computerinterface op basis van het genereren van visuele beelden