Applying algorithms for inverse solutions in classifying EEG signals

• Autorzy: Jagodzińska U.

Warianty tytułu

PL

Wykorzystywanie algorytmów do rozwiązywania zagadnień odwrotnych do klasyfikacji sygnałów EEG

• Języki publikacji: EN

Abstrakty

EN

The article presents selected algorithms in inverse solutions in the EEG signal. When undertaking the calculations, it was assumed that the data obtained from electrodes on the surface of the head were preprocessed. As a result of using these algorithms it is possible to specify both the areas of the brain that the signals come from and the current density of the signals read by means of electrodes placed on the surface of the head. On the basis of knowing the solution to the inverse problem, an attempt was made to select the features of the signals. Then t-statistics was used to differentiate and order them.

PL

W artykule przedstawiono wybrane algorytmy rozwiązywania zagadnień odwrotnych w sygnale EEG. Przystępując do obliczeń założono, że dane uzyskane z elektrod rozmieszczonych na powierzchni głowy zostały wstępnie przetworzone. Wynikiem działania tych algorytmów jest lokalizacja obszarów mózgu, z których pochodzą sygnały oraz natężenia tych sygnałów odczytywanych za pomocą elektrod rozmieszczonych na powierzchni głowy. Znając rozwiązania zagadnienia odwrotnego podjęto też próbę selekcji cech. Wykorzystano t-statystykę do ich zróżnicowania i uszeregowania.

Słowa kluczowe

EN

BCI systems; EEG; inverse solutions; brain-computer interfaces; signal classification

PL

systemy BCI; EEG; rozwiązania odwrotne; interfejsy mózg-komputer; klasyfikacja sygnału

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2013
• Tom: Vol. 54, nr 9
• Strony: 144--147
• Opis fizyczny: Bibliogr. 13 poz., tab.

Twórcy

autor

Jagodzińska U.

• Bumar Elektronika S.A. Warszawa

Bibliografia

• [1] Aspinall P. [and others], “The urban brain: analysing outdoor physical activity with mobile EEG”, PubMed, US National Institute of Health, March 2013.
• [2] Blankertz B. [and others], “The BCI competition 2003: Progress and perspectives in detection and discrimination of EEG single trials”, IEEE Transactions on Biomedical Engineering, vol. 51, no. 6, June 2004, pp. 1044-1051.
• [3] Gargiulo G. [and others], “A mobile EEG system with dry electrodes’’, IEEE, Biomedical Circuits and Systems Conference, November 2008.
• [4] Jagodzińska U., Oskwarek Ł., “Low resolution electromagnetic tomography method as an example of solving the inverse problem in brain computer interface”, ELEKTRONIKA, 2012, pp. 89-91.
• [5] U. Jagodzińska, “The implementation of algorithms for inverse solutions in EEG brain-computer interfaces”, Conference materials, Signal Processing Symposium (SPS-2013) in Jachranka, June 2013.
• [6] Kamousi B., Liu Z., He B., Fellow; IEEE, “Classification of Motor Imagery Tasks for Brain-Computer Interface Applications by Means of Two Equivalent Dipoles Analysis”, IEEE Transactions On Neural Systems And Rehabilitation Engineering, vol. 13, no. 2, June 2005, pp. 166-171.
• [7] Kołodziej M., Majkowski A., Rak R. J., “Application of t-statistics for processing of EEG signal in brain-computer interface”, Przegląd Elektrotechniczny, 9a/2011, pp. 187-189.
• [8] Lawson CH. L., Hanson R. J., “Solving Least Squares Problems", Classics in Applied Mathematics, Society for Industrial and Applied Mathematics Philadelphia SIAM, 1995.
• [9] Noirhomme Q., “Localization of Brain Functions: Stimuling Brain Activity and Source Reconstruction for Classification”, Thèse présentée en vue de l’obtention du grande de Docteur en Science Appliquees, Universitate Catholique de Louvain, October 2006.
• [10] Pascual-Marqui R. D., “Review of Methods for solving the EEG Inverse Problem”, International Journal of Bioelectromagnetism, 1999, v. 1, No. 1, pp. 75-86.
• [11] Radhakrishna Rao C., “Modele liniowe statystyki matematycznej”, PWN 1982, (“Linear Statistical Inference and its applications”, J. Wiley & Sons, 1973).
• [12] Wang Y., Jung T.-P, “Improving Brain-Computer Interfaces Using Independent Component Analysis”, SPRINGER, Towards Practical Brain-Computer Interfaces, Biological and Medical Physics, Biomedical Engineering 2013, pp. 67-83.
• [13] Wolpaw J. R. [and others], “Brain-computer interfaces for communication and control”, ELSEVIER, Clinical Neurophysiology 113, Invited review, 2002, pp. 767-791.