来自电脑图的眼睛工件 - - 对特征提取,选择和分类的比较分析
Malika Garg1, Jasbir Kaur1, Neelam Rup Prakash1
1Department of Electronics and Communication, PEC (Deemed to be University), Chandigarh, India.
Journal of medical engineering & technology
|December 17, 2025
概括
这项研究对从脑电图 (EEG) 信号中去除眼器件的方法进行了基准测试. 最好的系统达到93.8%的准确性,改善了临床和脑机接口应用的EEG分析.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 信号处理 信号处理
背景情况:
- 电脑电图 (EEG) 信号记录大脑活动,但通常被人工制造物污染.
- 眼睛的器件,特别是眼,大大阻碍了EEG信号的分析.
- 精确的人工物移除对于临床和研究环境中可靠的EEG解释至关重要.
研究的目的:
- 进行对各种技术进行比较分析,用于从EEG信号中分类和删除眼部工件.
- 为了评估不同的特征提取,特征选择和分类方法的性能,用于文物识别.
- 在EEG数据中建立眼睛工件识别准确性的基准.
主要方法:
- 在八个受试者的EEG记录上使用了三种不同的特征提取方法.
- 应用了三种特征选择算法和30种分类方法.
- 使用5倍交叉验证评估系统性能,在360个特征-分类器组合中计算精度.
主要成果:
- 取得的最高精度为93.8%.
- 使用基于波段的特征和用于特征选择的主要组件分析,获得了最佳性能.
- 内核天真贝斯,线性支向量机 (SVM) 和集体包装树是表现最好的分类器.
结论:
- 这种综合性基准在眼睛工件识别方面表现出极高的准确性.
- 经过验证的方法显示了实时EEG预处理的巨大潜力.
- 改进的EEG信号质量可以增强临床诊断和脑电脑接口 (BCI) 应用.
