Wykorzystanie metody PCA i ICA do analizy sygnału EEG w kontekście usuwania zakłóceń

• Autorzy: Paszkiel S.

Warianty tytułu

EN

Use of PCA and ICA methods for analysis of EGG signal in context of removal of artefacts

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono metodę PCA (ang. Principal Component Analysis) oraz ICA (ang. Independent Component Analysis), jako narzędzia pomocne w procesie eliminacji artefaktów z sygnału elektroencefalograficznego. Proces rejestracji sygnału elektroencefalograficznego można zobrazować, jako BSS (ang. Blind Signals Separation). Dzięki temu możliwe jest dokonywanie estymacji nieznanych sygnałów źródłowych oraz ekstrakcji niepożądanych sygnałów zakłócających, w zakresie ich późniejszej eliminacji. W tym celu konieczne jest doskonalenie metod weryfikacji i eliminacji artefaktów z sygnału EEG. W artykule opisano możliwość zastosowania powyższych metod w zakresie sygnału EEG oraz zrealizowane zostało porównanie skuteczności ich działania.

EN

: In the paper there are presented the Principal Component Analysis (PCA) and the Independent Component Analysis (ICA) as useful tools for elimination of artefacts in an electroencephalographic signal. The process of registration of the electroencephalographic signal can be described as BSS - Blind Signals Separation. It is possible to estimate unknown source signals and to extract intrusive disturbing signals in terms of their subsequent elimination. It is necessary to improve the methods of verification and elimination of artefacts from an EEG signal. The Brain Computer Interface (BCI) technology is presented briefly in the first part of the paper. EEG signal characteristics and its acqui-sition with the non-invasive method are described in the second part. Next, there is discussed the possibility of using the PCA and ICA methods in terms of analysis of an EEG signal. Comparison of the effectiveness of these methods is presented as well. A general profile of the EEG signal processing is shown in Fig. 1. An example of use of the infomax algorithm for a real EEG signal is depicted in Fig. 2. Fig. 3 shows an exemplary Event-Related Potential (ERP) of the EEG signal.

Słowa kluczowe

PL

analiza artefaktów; analiza składowych głównych; analiza składowych niezależnych; EEG

EN

analysis of artefacts; principal component analysis; independent component analysis; EEG

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2013
• Tom: R. 59, nr 3
• Strony: 204--207
• Opis fizyczny: Bibliogr. 12 poz., rys., tab., wzory

Twórcy

autor

Paszkiel S.

• Politechnika Opolska, Wydział Elektrotechniki, Automatyki i Informatyki, Instytut Automatyki i Informatyki, ul. Generała Kazimierza Sosnkowskiego 31, 45-217 Opole

Bibliografia

• [1] Majkowski J.: Elektroencefalografia kliniczna; Państwowy zakład wydawnictw lekarskich, Warszawa 1989.
• [2] Tadeusiewicz R., et. all: Neurocybernetyka teoretyczna; Wydawnictwo Uniwersytetu Warszawskiego, Warszawa 2009.
• [3] Valdes P.A., Jimenez J. C., Riera J., Biscay R., Ozaki T., Nonlinear EEG analysis based on a neural mass model; Bilogical Cybernetics 81, 1999, s. 415-424.
• [4] Krzanowski W. J.: Principles of Multivariate Analysis: A User's Perspective. Oxford University Press, 2000.
• [5] Koronacki J., Cwik J.: Statystyczne systemy uczące się, WNT, 2005.
• [6] Meghdadi A.H., Fazel-Rezai R., Aghakhani Y.: Detecting determinism in EEG signals using principal component analysis and surrogate data testing; Conf Proc IEEE Eng Med Biol Soc. 2006.
• [7] Comon P.: Independent Component Analysis – a new concept?, Signal Processing, vol. 36, 1994, s. 287-314.
• [8] Herault J., Jutten C.: Blind Separation of sources, Part I: An adpative algorithm based on neuromimetic architecture; Signal Processing, vol. 24, 1991, s. 1-10.
• [9] Jutten C., Herault J.: Blind separation of sources, Part I: An adaptive algorithm based on neuromimetic architecture, Signal Processing, vol. 24, 1991, s. 1-10.
• [10] Delorme A.: Statistical methods; Encyclopedia of Medical Device and Instrumentation, vol 6, Wiley interscience, 2006, s. 240-264.
• [11] Delorme A., Makeig S.: EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis; Journal of Neuroscience Methods, 134 (1), 2004, s. 9-21.
• [12] Paszkiel Sz., Zmarzły D., Kawala A., Szmechta M.: Zastosowanie pomiarów elektroencefalograficznych EEG w procesie uwierzytelniania biometrycznego użytkowników; Miesięcznik naukowo-techniczny Pomiary, Automatyka, Kontrola, Vol. 53 BIS 9'2007 Warszawa, s. 433-436.