|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
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, U J1 _& q |
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
8 x4 U/ T2 l! W$ r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
3 l4 b$ ^+ V6 W* W+ ? fdataset 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( ?/ d: M/ @, E
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。, R f( k, F1 j5 K b6 c# i, d
关键词：脑功能网络；LASSO-Granger；感兴趣脑区；特征提取
& d# e- X$ O8 Z9 S1 引言
* d4 j5 E# N# X- p5 n) p随着对人脑结构和功能的不断探索，越来越多) G+ D9 z$ [; H6 f6 P
的研究者意识到脑功能网络对运动想象(Motor
# @1 A# [9 V/ E6 k6 Y2 |Imagery, MI)研究的重要性。MI 是指仅仅在大脑中4 V8 ?* k* _0 d( |; }% V
反复进行运动模拟训练的一种心理作业，在神经科
3 J* Q% Q' k/ _+ S# p学和临床医学上扮演越来越重要的角色。即便是一
3 ]! z* q0 ^8 H! f; x项非常简单的认知任务也需要多个不同的功能区域; H* ?; d( N9 N
相互作用才能发挥功能[1,2]，当人们在进行 MI 时，0 c) A) Z2 d8 M" z7 s0 E0 C. q
" @$ k- m! x: Z. a' ]/ p5 k% E
! u8 Q7 `# o, p1 T. v
- A; o6 \6 m0 Z2 T+ r2 ^6 k+ o/ z
) E6 I% e( w0 D; z& R' M
附件下载：) `# Q3 q1 w5 [% M5 a$ _) Q( e1 y
3 f% W& M9 G/ I4 h: W |
|
/1 
发表于 2021-5-8 17:36
收藏
淘帖
支持！
反对！