|
|
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- p$ i W1 L) I) k5 L2 I
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
: b0 w5 A5 j( U1 K( |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 G6 o3 \, I1 zdataset 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7 U1 s; l+ U5 U) b! f6 N$ [
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。0 e& ^; A D" b3 U
关键词：脑功能网络；LASSO-Granger；感兴趣脑区；特征提取& m+ _* k5 ^8 a' a4 i
1 引言
' P! O7 F7 Q0 K( h: b: @随着对人脑结构和功能的不断探索，越来越多
4 {. p8 j' K5 k的研究者意识到脑功能网络对运动想象(Motor ) y5 ?% R% e' F, x
Imagery, MI)研究的重要性。MI 是指仅仅在大脑中! w. }: y% N) }2 e$ K& }& ^
反复进行运动模拟训练的一种心理作业，在神经科2 m: R- I: B0 {: C' z8 g
学和临床医学上扮演越来越重要的角色。即便是一8 X6 r+ \* i5 o
项非常简单的认知任务也需要多个不同的功能区域3 C1 }' O8 C5 @$ i
相互作用才能发挥功能[1,2]，当人们在进行 MI 时，2 K. z! \) a# l- G% k+ @
& ~3 X4 u9 Y3 X5 W# T, p" S1 ?
. n( l8 S+ T$ m" g; X5 p2 G
8 o! R7 r, I j2 f& c3 [+ v" h
! q" C$ V: @0 ]0 b& X& C
附件下载： B& a" c9 Y1 A# S8 q' U9 j6 c
0 s6 b8 \$ z( s- I9 D6 b
|
|
/1 
发表于 2021-5-8 17:36
收藏
淘帖
支持！
反对！