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
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
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
5 S6 y) ?$ A& Y+ V; Z/ ]5 Hdataset 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
3 ?$ w% n8 X# Q) Q1 c; D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。
; J0 H4 [2 A0 s/ Y9 I+ ~0 U( i关键词：脑功能网络；LASSO-Granger；感兴趣脑区；特征提取
# Q3 G' d  V) y9 W- h1 引言
4 ]' ?  f0 O8 y+ W随着对人脑结构和功能的不断探索，越来越多
的研究者意识到脑功能网络对运动想象(Motor
Imagery, 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
* S$ |3 {2 V0 R$ I% N$ q8 _学和临床医学上扮演越来越重要的角色。即便是一
( s  J; _6 k3 A+ x项非常简单的认知任务也需要多个不同的功能区域
相互作用才能发挥功能[1,2]，当人们在进行 MI 时，
3 Z9 _2 O: ?+ Q& P' ^& `4 W
; h1 T" i& G) [! _8 Y$ n1 a+ v2 y
& _& b! p, A# j0 n1 Y% R. @" [) n
8 y7 J: a: y8 Z7 }0 A
0 H1 q1 t( p; O' B) q! ?1 V
* q$ f' V9 Z4 e. T' l0 _附件下载：

游客，如果您要查看本帖隐藏内容请回复

% p% i7 p) c! p6 D6 e2 X

messed

谢谢分享