通过模式分解提高基于SSVEP的单通道视觉敏度评估的性能
概括
模式分解方法,包括ICEEMDAN,显著改善单通道稳定状态视觉唤起潜力 (SSVEP) 对视觉敏度的评估. 这些先进的技术提供更好的协议和较小的差异,相比传统的带通波用于EEG信号分析.
科学领域:
- 神经科学是一个神经科学.
- 眼科医生 眼科 眼科
- 生物医学工程 生物医学工程
背景情况:
- 单通道稳定状态视觉唤起潜力 (SSVEP) 是评估视觉敏度的一种方法.
- 传统的信号处理方法,如带通波,可能会限制基于SSVEP的视觉敏度评估的性能.
- 探索先进的信号处理技术对于提高SSVEP测量的准确性和可靠性至关重要.
研究的目的:
- 评估各种模式分解方法在改善基于单通道SSVEP的视力敏度评估方面的有效性.
- 为了比较经验模式分解 (EMD),集体经验模式分解 (EEMD),改进的完整集体经验模式分解与自适应噪声 (ICEEMDAN) 和变化模式分解 (VMD) 与传统带通过的性能.
主要方法:
- 利用了来自11名受试者的SSVEP数据,这些数据是由不同空间频率的垂直正弦格引起的.
- 应用3-40Hz带通波和四种模式分解技术 (EMD,EEMD,ICEEMDAN,VMD) 来进行SSVEP信号预处理.
- 使用值估计标准评估视觉敏度,并将结果与主观的弗赖堡视觉敏度和对比测试 (FrACT) 进行比较.
主要成果:
- 所有测试的模式分解方法都与主观视敏度测量结果有很好的一致性.
- 伊塞曼 (-0.093 logMAR) 和VMD (-0.090 logMAR) 显示出与Fract达成的最佳协议,紧随其后的是带通过 (-0.095 logMAR).
- 模式分解方法,特别是ICEEMDAN,显示出较低的协议极限,与带通波相比,相似或较小的差异.
结论:
- 模式分解技术显著提高了基于SSVEP的单通道视觉敏度评估的性能.
- 在SSVEP视觉敏度评估中,ICEEMDAN被推为消除单通道脑电图 (EEG) 信号的优质方法.
- 这些发现支持采用先进的信号处理来进行更准确的视觉功能测试.
