便携设备上的EEGα节律检测
马维里克·阮
更新于
2019年4月16日
便携设备上的EEGα节律检测
马维里克·阮
更新于
2019年4月16日
便携设备上的EEGα节律检测
马维里克·阮
更新于
2019年4月16日
Giordano B.S.Seco, Günther J.L.Gerhardt, Alex A.Biazotti, André L.Molan, Suzana V.Schönwald, José L.Rybarczyk-Filho
亮点
我们使用 Emotiv EPOC+ 14通道脑电图（EEG）耳机对阿尔法节律进行了分析。
我们比较了两种信号分析技术——匹配追踪（MP）和快速傅里叶变换（FFT）。
Emotiv EPOC+ 和 MP 可用于阿尔法节律研究。
摘要
便携式脑电图（EEG）设备在成为高效计算机接口方面具有巨大潜力。然而，准确描述脑电信号以量化大脑节律是必不可少的一步。本研究探索了两种信号分析技术，即匹配追踪（MP）和快速傅里叶变换（FFT），通过便携式脑电图设备检测从七个头皮区域获取的脑电阿尔法活性，来区分睁眼（EO）和闭眼（EC）两种状态。受试者为十名健康男性志愿者。MP 的结果大致重现了 FFT 分析的结果，且所有方法在枕叶区域均表现良好。然而，利用 MP 原子数能实现更好的状态区分，且 MP 原子数是唯一在所研究的所有位置上均达到统计学显著性的变量。当利用脑电阿尔法节律进行睁眼与闭眼状态区分时，计算 MP 原子数可能会非常有用，尤其是在需要进行枕外采集的情况下。
Giordano B.S.Seco, Günther J.L.Gerhardt, Alex A.Biazotti, André L.Molan, Suzana V.Schönwald, José L.Rybarczyk-Filho
亮点
我们使用 Emotiv EPOC+ 14通道脑电图（EEG）耳机对阿尔法节律进行了分析。
我们比较了两种信号分析技术——匹配追踪（MP）和快速傅里叶变换（FFT）。
Emotiv EPOC+ 和 MP 可用于阿尔法节律研究。
摘要
便携式脑电图（EEG）设备在成为高效计算机接口方面具有巨大潜力。然而，准确描述脑电信号以量化大脑节律是必不可少的一步。本研究探索了两种信号分析技术，即匹配追踪（MP）和快速傅里叶变换（FFT），通过便携式脑电图设备检测从七个头皮区域获取的脑电阿尔法活性，来区分睁眼（EO）和闭眼（EC）两种状态。受试者为十名健康男性志愿者。MP 的结果大致重现了 FFT 分析的结果，且所有方法在枕叶区域均表现良好。然而，利用 MP 原子数能实现更好的状态区分，且 MP 原子数是唯一在所研究的所有位置上均达到统计学显著性的变量。当利用脑电阿尔法节律进行睁眼与闭眼状态区分时，计算 MP 原子数可能会非常有用，尤其是在需要进行枕外采集的情况下。
Giordano B.S.Seco, Günther J.L.Gerhardt, Alex A.Biazotti, André L.Molan, Suzana V.Schönwald, José L.Rybarczyk-Filho
亮点
我们使用 Emotiv EPOC+ 14通道脑电图（EEG）耳机对阿尔法节律进行了分析。
我们比较了两种信号分析技术——匹配追踪（MP）和快速傅里叶变换（FFT）。
Emotiv EPOC+ 和 MP 可用于阿尔法节律研究。
摘要
便携式脑电图（EEG）设备在成为高效计算机接口方面具有巨大潜力。然而，准确描述脑电信号以量化大脑节律是必不可少的一步。本研究探索了两种信号分析技术，即匹配追踪（MP）和快速傅里叶变换（FFT），通过便携式脑电图设备检测从七个头皮区域获取的脑电阿尔法活性，来区分睁眼（EO）和闭眼（EC）两种状态。受试者为十名健康男性志愿者。MP 的结果大致重现了 FFT 分析的结果，且所有方法在枕叶区域均表现良好。然而，利用 MP 原子数能实现更好的状态区分，且 MP 原子数是唯一在所研究的所有位置上均达到统计学显著性的变量。当利用脑电阿尔法节律进行睁眼与闭眼状态区分时，计算 MP 原子数可能会非常有用，尤其是在需要进行枕外采集的情况下。