حذف آرتیفکت سیگنال EEG توسط استخراج ویژگی های مولفه ICA
ارسال شده توسط:Papersimتاریخ ارسال: 2017/06/13در دیدگاهها برای حذف آرتیفکت سیگنال EEG توسط استخراج ویژگی های مولفه ICA بسته هستند
هدف ما حذف آرتیفکت سیگنال EEG توسط استخراج ویژگی های مولفه ICA
یکی از مهمترین مسائل در ثبت داده های مغزی و ثبت سیگنال الکتروآنسفالوگرام، حذف آرتیفکت های موجود در این سیگنال میباشد. با توجه به روشهای جداسازی کور منابع مانند آنالیز مولفه های مستقل (ICA) داده های ثبت شده، به صورت یک تبدیل خطی از منابع تولیدی آنها شناخته میشوند. با توجه به نقشه مغزی که از محاسبه هر یک از این مولفه های مغزی بدست میآید، این منابع به عنوان منابع مغزی و یا آرتیفکتی دسته بندی میشوند. این دسته بندی بر اساس نظر کارشناسان بر روی شکل نقشه مغزی صورت میگیرد.
در این مقاله به دنبال دستیابی به روشی خودکار جهت شناخت مغزی و یا آرتیفکتی بودن این مولفه ها هستیم. این طبقه بندی با استفاده از یک طبقه بند LDA و ویژگهای استخراج شده از تصویر هر مولفه بدست میآید.
ابتدا با استفاده از نرم افزار EEGLAB به محاسبه ماتریس های هر تصویر topomap ناشی از هر مولفه دست مییابیم . با استفاده از اطلاعات تجربی و افراد کارشناس، به برچسب گذاری هر مولفه، به عنوان مغزی و غیر مغزی (از روی topomap) میپردازیم، سپس با استفاده از روش های :
الگوی باینری محلی (LBP) ، تصویر گرادیان، فیلتر بازهای و لاپلاسین و انحنای گوسی به استخراج ویژگی هر تصویر میپردازیم. سپس با استفاده از طبقه بندهای SVM و LDA به طبقه بندی ویژگی ها و تست ورودی جدید میپردازیم. با استفاده از این الگوریتم، به دنبال تشخیص آن هستیم که به طور خودکار یک مولفه مغزی از غیر مغزی جدا شود.
دادگان موجود
دادگان مورد استفاده، دادگان BCI Competition 3a میباشد که از ۳ فرد در تصور حرکت دست راست و چپ ثبت شده است.
حذف آرتیفکت سیگنالEEG توسط استخراج ویژگی های مولفه ICA با بکارگیری
الگوریتم های پردازش تصویر
EEG artifact elimination by extraction of ICA-component features using
Image processing algorithms
Published in: Elsevier
Date of Publication: Neuroscience Methods 243 (2015) 84–۹۳
برای مشاهده مقاله ؛ تصویر فوق را کلیک کنید تا دانلود شود