
การตรวจจับสิ่งประดิษฐ์ในสัญญาณ EEG ที่เกิดจากการเคลื่อนไหวของศีรษะโดยอัตโนมัติโดยใช้ไจโรสโคป
Nuri Djavit
อัปเดตเมื่อ
7 พ.ย. 2553

การตรวจจับสิ่งประดิษฐ์ในสัญญาณ EEG ที่เกิดจากการเคลื่อนไหวของศีรษะโดยอัตโนมัติโดยใช้ไจโรสโคป
Nuri Djavit
อัปเดตเมื่อ
7 พ.ย. 2553

การตรวจจับสิ่งประดิษฐ์ในสัญญาณ EEG ที่เกิดจากการเคลื่อนไหวของศีรษะโดยอัตโนมัติโดยใช้ไจโรสโคป
Nuri Djavit
อัปเดตเมื่อ
7 พ.ย. 2553
S. O’Regan. Dept. of Electr. Eng., Univ. Coll. Cork, Cork, Ireland
บทคัดย่อ
ความจำเป็นในการตรวจจับสิ่งแปลกปลอมที่เกิดจากการเคลื่อนไหวของศีรษะอย่างน่าเชื่อถือในระบบความถี่คลื่นสมองแบบพกพา (ambulatory EEG) ได้รับการพิสูจน์แล้วในงานวิจัยก่อนหน้านี้ ในบทความนี้เราขอเสนอการใช้ไจโรสโคปในการตรวจจับสิ่งแปลกปลอมในคลื่นสมอง (EEG) มีการสกัดคุณลักษณะกลุ่มหนึ่งจากสัญญาณไจโรสโคปและจัดลำดับโดยใช้ฟังก์ชันการประเมินข้อมูลร่วมกัน (Mutual Information Evaluation Function) จากนั้นจึงใช้การวิเคราะห์จำแนกประเภทเชิงเส้น (Linear Discriminant Analysis) เป็นเครื่องมือในการแยกแยะระหว่างคลื่นสมองปกติและสิ่งแปลกปลอม นอกจากนี้ยังมีการนำลักษณนามแบบซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machine) มาใช้กับสัญญาณคุณลักษณะของไจโรสโคปด้วย ผลลัพธ์บ่งชี้ถึงการแยกแยะที่ดีระหว่างคุณลักษณะของไจโรสโคปที่สกัดจากคลื่นสมองปกติและคุณลักษณะที่สกัดจากสิ่งแปลกปลอมที่เกิดจากการเคลื่อนไหวของศีรษะ ซึ่งเป็นข้อสนับสนุนที่หนักแน่นในการรวมสัญญาณไจโรสโคปเป็นคุณลักษณะในการจำแนกประเภทสิ่งแปลกปลอมจากการเคลื่อนไหวของศีรษะคลิกที่นี่เพื่ออ่านรายงานฉบับเต็ม
S. O’Regan. Dept. of Electr. Eng., Univ. Coll. Cork, Cork, Ireland
บทคัดย่อ
ความจำเป็นในการตรวจจับสิ่งแปลกปลอมที่เกิดจากการเคลื่อนไหวของศีรษะอย่างน่าเชื่อถือในระบบความถี่คลื่นสมองแบบพกพา (ambulatory EEG) ได้รับการพิสูจน์แล้วในงานวิจัยก่อนหน้านี้ ในบทความนี้เราขอเสนอการใช้ไจโรสโคปในการตรวจจับสิ่งแปลกปลอมในคลื่นสมอง (EEG) มีการสกัดคุณลักษณะกลุ่มหนึ่งจากสัญญาณไจโรสโคปและจัดลำดับโดยใช้ฟังก์ชันการประเมินข้อมูลร่วมกัน (Mutual Information Evaluation Function) จากนั้นจึงใช้การวิเคราะห์จำแนกประเภทเชิงเส้น (Linear Discriminant Analysis) เป็นเครื่องมือในการแยกแยะระหว่างคลื่นสมองปกติและสิ่งแปลกปลอม นอกจากนี้ยังมีการนำลักษณนามแบบซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machine) มาใช้กับสัญญาณคุณลักษณะของไจโรสโคปด้วย ผลลัพธ์บ่งชี้ถึงการแยกแยะที่ดีระหว่างคุณลักษณะของไจโรสโคปที่สกัดจากคลื่นสมองปกติและคุณลักษณะที่สกัดจากสิ่งแปลกปลอมที่เกิดจากการเคลื่อนไหวของศีรษะ ซึ่งเป็นข้อสนับสนุนที่หนักแน่นในการรวมสัญญาณไจโรสโคปเป็นคุณลักษณะในการจำแนกประเภทสิ่งแปลกปลอมจากการเคลื่อนไหวของศีรษะคลิกที่นี่เพื่ออ่านรายงานฉบับเต็ม
S. O’Regan. Dept. of Electr. Eng., Univ. Coll. Cork, Cork, Ireland
บทคัดย่อ
ความจำเป็นในการตรวจจับสิ่งแปลกปลอมที่เกิดจากการเคลื่อนไหวของศีรษะอย่างน่าเชื่อถือในระบบความถี่คลื่นสมองแบบพกพา (ambulatory EEG) ได้รับการพิสูจน์แล้วในงานวิจัยก่อนหน้านี้ ในบทความนี้เราขอเสนอการใช้ไจโรสโคปในการตรวจจับสิ่งแปลกปลอมในคลื่นสมอง (EEG) มีการสกัดคุณลักษณะกลุ่มหนึ่งจากสัญญาณไจโรสโคปและจัดลำดับโดยใช้ฟังก์ชันการประเมินข้อมูลร่วมกัน (Mutual Information Evaluation Function) จากนั้นจึงใช้การวิเคราะห์จำแนกประเภทเชิงเส้น (Linear Discriminant Analysis) เป็นเครื่องมือในการแยกแยะระหว่างคลื่นสมองปกติและสิ่งแปลกปลอม นอกจากนี้ยังมีการนำลักษณนามแบบซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machine) มาใช้กับสัญญาณคุณลักษณะของไจโรสโคปด้วย ผลลัพธ์บ่งชี้ถึงการแยกแยะที่ดีระหว่างคุณลักษณะของไจโรสโคปที่สกัดจากคลื่นสมองปกติและคุณลักษณะที่สกัดจากสิ่งแปลกปลอมที่เกิดจากการเคลื่อนไหวของศีรษะ ซึ่งเป็นข้อสนับสนุนที่หนักแน่นในการรวมสัญญาณไจโรสโคปเป็นคุณลักษณะในการจำแนกประเภทสิ่งแปลกปลอมจากการเคลื่อนไหวของศีรษะคลิกที่นี่เพื่ออ่านรายงานฉบับเต็ม

อ่านต่อ