×
Kook、Hyunseok；拉里特·古普塔；斯里尼瓦斯·科塔；丹尼斯·莫尔费斯；Lyytinen，H。

一种离线/实时伪影抑制策略，用于改进多通道诱发电位的分类。 （英语） Zbl 1132.68639号

模式识别 41，第6期，1985-1996（2008）.
摘要：本文的主要目标是通过引入时域伪影检测策略并使用该策略（a）评估伪影对分类器性能的影响，以及（b）改进多通道诱发电位（EP）的分类展示了如何通过检测和拒绝离线和实时分类实验中的伪影来提高性能。使用模式识别方法，本研究将伪影定义为任何可能导致分类器参数估计不准确和测试不准确的信号。时域伪影检测测试包括：信道内标准偏差（STD）测试，该测试可以检测每个信道中变化很小或异常的信号，还可以检测故障信道；信道内CLipping（CL）测试，用于检测每个信道的幅度削波EP，以及多信道EP MEDian距离（MC-MED）检测STD和CL测试未识别的非典型信号的测试。由于MC-MED测试与类别相关，因此开发了一种新的“预测试”方法来识别实时分类实验中的工件。
在真实的单次实验EP信号群上验证了伪影检测策略的性能，结果表明该策略在识别非典型EP时非常有效。为了证明伪影对分类器性能的影响，使用多通道决策融合分类算法设计了一系列分类实验。具体地，对（a）在训练和测试集中具有伪影污染的真实EP系综和（b）在训练和测试集中都没有伪影的系综评估分类性能。结果表明，在实时分类试验中，通过合并伪影检测策略来提高分类准确度是非常重要的。此外，伪影抑制分类策略的广义表述使其适用于涉及多传感器多元信号多类分类的各种其他问题。

MSC公司：

68吨10 模式识别、语音识别

关键词：

伪影检测；诱发电位；决策融合
PDF格式BibTeX公司 XML格式引用
\textit{H.Kook}等人，模式识别41，No.6，1985-1996（2008；Zbl 1132.68639）
全文： 内政部

参考文献：

[1] J.S.Ebersole，T.A.Pedley，临床脑电图的当前实践，Lippincott Williams&Wilkins，2003年。；J.S.Ebersole，T.A.Pedley，临床脑电图的当前实践，Lippincott Williams&Wilkins，2003年。
[2] 克罗夫特，R.J。；Barry，R.J.，《从脑电图中去除眼部伪影：综述》，临床。神经生理学。，30, 1, 5-19 (2000)
[3] Wallstrom，G.L。；Kass，R.E。；Miller，A。；科恩，J.F。；Fox，N.A.，《EEG中眼部伪影的自动校正：基于回归和基于成分的方法的比较》，《国际心理生理学杂志》。，53, 2, 105-119 (2004)
[4] 拉格伦德，T.D。；沙伯勒，F.W。；Busacker，N.E.，通过奇异值分解的主成分分析对多通道脑电图记录进行空间滤波，临床杂志。神经生理学。，14, 73-82 (1997)
[5] 卡萨罗托，S。；Bianchi，A.M。；塞鲁蒂，S。；Chiarenza，G.A.，减少正常儿童和阅读障碍儿童事件相关电位中的眼伪影的主成分分析，临床。神经生理学。，115, 3, 609-619 (2004)
[6] Jung，T.-P。；Makeig，S。；汉弗莱斯，C。；Lee，T.-W。；Mckeown，M.J。；伊拉吉，V。；Sejnowski，T.J.，通过盲源分离消除脑电图伪影，心理生理学，37163-178（2000）
[7] 乔伊斯，C.A。；Gorodnitsky，I.F。；Kutas，M.，使用盲成分分离从EEG数据中自动去除眼球运动和眨眼伪影，《心理生理学》，41，2，313-325（2004）
[8] Rousseeuw，P.J。；Leroy，A.M.，《稳健回归和离群值检测》，《概率和数理统计中的威利级数》（1987），威利：威利纽约·Zbl 0711.62030号
[9] R.Barandela，E.Gasca，监督模式识别方法训练样本的去污，摘自：IAPR联合国际研讨会SSPR和SPR 2000会议记录，Springer，纽约，2000年，第621-630页。；R.Barandela，E.Gasca，监督模式识别方法训练样本的去污，载于：IAPR联合国际研讨会论文集SSPR和SPR2000，斯普林格，纽约，2000年，第621-630页·Zbl 0996.68771号
[10] R.A.Mollineda，J.S.Sanchez，J.M.Sotoca，有效原型选择的数据表征，IbPRIA 2005，第27-34页。；R.A.Mollineda，J.S.Sanchez，J.M.Sotoca，有效原型选择的数据表征，IbPRIA 2005，第27-34页。
[11] F.Vazquez，J.S.Sanchez，F.Pla，《威尔逊编辑算法的随机方法》，IbPRIA 2005年，第34-42页。；F.Vazquez，J.S.Sanchez，F.Pla，《威尔逊编辑算法的随机方法》，IbPRIA 2005年，第34-42页。
[12] 游行，R。；Vidal，E.，学习原型和距离：一种基于最近邻误差最小化的原型约简技术，模式识别。，39, 180-188 (2006) ·Zbl 1080.68647号
[13] 古普塔，L。；Wang，J。；A.查尔斯。；Kisatsky，P.，神经网络训练的原型选择规则，模式识别。，25-11, 1401-1408 (1992)
[14] 古普塔，L。；Molfese，D.L。；Tammana，R。；Simos，P.G.，估计诱发电位的非线性对齐和平均，IEEE Tran。生物识别。《工程师》，43、4、348-356（1996）
[15] 古普塔，L。；Phegley，J。；Molfese，D.L.，多通道诱发电位的参数分类，IEEE Trans。生物识别。工程，49，8，905-911（2002），49（9）（2002）1070
[16] 古普塔，L。；Chung，B。；Srinath，医学博士。；Molfese，D.L。；Kook，H.，脑活动差异参数分类的多通道融合模型，IEEE Trans。生物识别。工程师，52、11、1869-1881（2005）
[17] T.Huttunen、A.Halonen、J.Kaartinen、H.Lyytinen，错配负性与正常儿童和注意力缺陷儿童相比是否显示阅读障碍儿童的差异？芬兰Jyvaskyla大学心理学系（正在进行中）。；T.Huttunen、A.Halonen、J.Kaartinen、H.Lyytinen，错配负性与正常儿童和注意力缺陷儿童相比是否显示阅读障碍儿童的差异？芬兰Jyvaskyla大学心理学系（正在进行中）。
[18] 古普塔，L。；Kook，H。；Molfese，D.L。；Fadem，K.C.，使用新生儿ERP预测诵读困难的多时多通道数据和决策融合策略，模式识别。，2174-2184年11月28日（2005年）
[19] Ho，T.K.，构建决策森林的随机子空间方法，IEEE Trans。模式分析。机器。智力。，20, 8, 832-844 (1998)
[20] 瓦迪亚纳桑，R。；Chung，B。；古普塔，L。；Kook，H。；科塔，S。；West，J.，《免提人机界面的舌头运动通信和控制策略》，IEEE Trans。系统。人类网络。A、 37、4、533-546（2007）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。