Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Automatische detectie van EEG-artefacten die ontstaan door hoofdbewegingen met behulp van gyroscopen
Delen:
S. O’Regan. Afdeling Elektrotechniek, University College Cork, Cork, Ierland
Samenvatting
De noodzaak van betrouwbare detectie van hoofdbewegingsartefacten in een ambulant EEG-systeem is in eerder werk aangetoond. In dit artikel stellen we het gebruik van gyroscopen voor bij het detecteren van artefacten in EEG. Een verzameling kenmerken wordt uit de gyroscoopsignalen gehaald 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. Ook wordt een Support Vector Machine-classifier toegepast op de gyroscoopkenmerksignalen. De resultaten wijzen op een goede scheiding tussen gyroscoopkenmerken die uit normaal EEG zijn geëxtraheerd en die welke zijn geëxtraheerd uit artefacten als gevolg van hoofdbeweging, wat een sterk argument vormt voor het opnemen van gyroscoopsignalen als kenmerken in de classificatie van hoofdbewegingsartefacten.Klik hier om het volledige rapport te lezen
S. O’Regan. Afdeling Elektrotechniek, University College Cork, Cork, Ierland
Samenvatting
De noodzaak van betrouwbare detectie van hoofdbewegingsartefacten in een ambulant EEG-systeem is in eerder werk aangetoond. In dit artikel stellen we het gebruik van gyroscopen voor bij het detecteren van artefacten in EEG. Een verzameling kenmerken wordt uit de gyroscoopsignalen gehaald 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. Ook wordt een Support Vector Machine-classifier toegepast op de gyroscoopkenmerksignalen. De resultaten wijzen op een goede scheiding tussen gyroscoopkenmerken die uit normaal EEG zijn geëxtraheerd en die welke zijn geëxtraheerd uit artefacten als gevolg van hoofdbeweging, wat een sterk argument vormt voor het opnemen van gyroscoopsignalen als kenmerken in de classificatie van hoofdbewegingsartefacten.Klik hier om het volledige rapport te lezen
S. O’Regan. Afdeling Elektrotechniek, University College Cork, Cork, Ierland
Samenvatting
De noodzaak van betrouwbare detectie van hoofdbewegingsartefacten in een ambulant EEG-systeem is in eerder werk aangetoond. In dit artikel stellen we het gebruik van gyroscopen voor bij het detecteren van artefacten in EEG. Een verzameling kenmerken wordt uit de gyroscoopsignalen gehaald 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. Ook wordt een Support Vector Machine-classifier toegepast op de gyroscoopkenmerksignalen. De resultaten wijzen op een goede scheiding tussen gyroscoopkenmerken die uit normaal EEG zijn geëxtraheerd en die welke zijn geëxtraheerd uit artefacten als gevolg van hoofdbeweging, wat een sterk argument vormt voor het opnemen van gyroscoopsignalen als kenmerken in de classificatie van hoofdbewegingsartefacten.Klik hier om het volledige rapport te lezen