Análisis tiempo-frecuencia de electroencefalogramas (EEG) para la optimización de características

Documento del año 2017 en la asignatura de Medicina - Ingeniería Biomédica, calificación: 3.0, idioma: Inglés, resumen: El electroencefalógrafo (EEG) se ha utilizado ampliamente para aplicaciones de BCI debido a su no invasividad, facilidad de implementación y rentabilidad. La señal EEG recolectada no es estacionaria y tiene información relacionada con la tarea enterrada en los dominios de frecuencia y temporales. En este libro, nos enfocamos en desarrollar métodos de descomposición tiempo-frecuencia para mejorar el módulo de extracción de características en sistemas BCI. Las características obtenidas se optimizan luego identificando una banda reactiva específica del sujeto y empleando métodos basados en algoritmos evolutivos para optimizar las características obtenidas, mejorando el rendimiento de los sistemas BCI. Se emplea un modelo de señal llamado combinador lineal de Fourier múltiple de banda limitada (BMFLC) para modelar la no estacionariedad en la señal EEG para la extracción de características. La oscilación de amplitud no estacionaria se presenta como pesos adaptativos en el modelo y se estima con varios filtros adaptativos como el de mínimos cuadrados (LMS), el filtro de Kalman (KF) o el suavizador de Kalman (KS). Los coeficientes estimados sirven como características para la clasificación. Nuestros resultados sugieren que BMFLC-LMS, BMFLC-KF y BMFLC-KS son todos suficientes para modelar la señal EEG en la banda con precisiones de estimación promedio del 93%, 99% y 98%, respectivamente. Modelamos la señal EEG inducida por el movimiento en el dominio de la frecuencia. Encontramos que la mayoría de los sujetos presentan una banda reactiva específica del sujeto durante las tareas de movimiento. Luego construimos características para un clasificador que usaba solo la información de frecuencia en la banda reactiva específica del sujeto. Como resultado, la precisión de clasificación del sistema BCI mejora en comparación con el sistema que utiliza la información de banda completa. Las características obtenidas de múltiples canales EEG deben optimizarse para mejorar el rendimiento de los sistemas BCI. Esencialmente, deben resolverse dos problemas: 1) conducción de volumen; 2) dimensionalidad. La conducción de volumen

Autor: Kalyana Veluvolu, Yubo Wang
Editorial: Grin Verlag
Publicado: 02/02/2022
Páginas: 170
Tipo de encuadernación: Tapa blanda
Peso: 0.51 libras
Tamaño: 8.27h x 5.83w x 0.39d
ISBN13: 9783346584397
ISBN10: 3346584399
Categorías BISAC:
- Tecnología e Ingeniería | General

Este título no es retornable