基于感兴趣脑区 LASSO-Granger 因果关系的脑电特征提取算法

ByGrith4

摘 要：该文将脑功能网络引入到脑电特征提取的研究中，提出一种基于感兴趣脑区 LASSO-Granger 因果关系的
$ p+ T3 |* k0 E  n& Q% h新方法，克服了当前基于孤立脑区的研究方法的不足。先利用主成分分析提取各感兴趣区的最大主成分，然后计算
# a3 t) O, L  f4 f+ y' _) @3 h0 G它们之间的 LASSO-Granger 因果度量，并将其作为特征向量，最后输入支持向量机分类器，对 BCI Competition IV
9 p# j% S' Y4 T5 H' adataset 1 中的 4 组数据进行分类识别。结果表明，基于感兴趣脑区间 LASSO-Granger 因果关系分析和支持向量机
% Z8 Z' e* ]. O, F* `# `分类器的方法对不同的运动想象任务识别率较高，提供了新的研究思路。
关键词：脑功能网络；LASSO-Granger；感兴趣脑区；特征提取
1 引言
7 P* x, d. |- q5 i% g  u3 w随着对人脑结构和功能的不断探索，越来越多
! u3 g8 ~' d0 x! Z# S* A的研究者意识到脑功能网络对运动想象(Motor
* X2 E& L+ O/ f1 ?6 AImagery, MI)研究的重要性。MI 是指仅仅在大脑中
反复进行运动模拟训练的一种心理作业，在神经科
学和临床医学上扮演越来越重要的角色。即便是一
项非常简单的认知任务也需要多个不同的功能区域
& n3 d, e  U+ A7 b/ S; |相互作用才能发挥功能[1,2]，当人们在进行 MI 时，


) P4 H7 p' k( M: C& C


6 i" K5 A  w- ?3 z- A+ i附件下载：

游客，如果您要查看本帖隐藏内容请回复

) h1 F" V% i# e6 Q

messed

谢谢分享