Detail publikace

Single-trial extraction of event-related potentials (ERPs) and classification of visual stimuli by ensemble use of discrete wavelet transform with Huffman coding and machine learning techniques

AMIN Ullah Hafeez, ULLAH Rafi, REZA Faruque Mohammed a MALIK Aamir Saeed. Single-trial extraction of event-related potentials (ERPs) and classification of visual stimuli by ensemble use of discrete wavelet transform with Huffman coding and machine learning techniques. Journal of NeuroEngineering and Rehabilitation, roč. 20, č. 70, 2023, s. 1-17. ISSN 1743-0003.
Název česky
Extrakce potenciálů souvisejících s událostmi (ERP) a klasifikace vizuálních stimulů s využitím diskrétní vlnkové transformace s Huffmanovým kódováním a technik strojového učení
Typ
článek v časopise
Jazyk
angličtina
Autoři
Amin Ullah Hafeez ()
Ullah Rafi ()
Reza Faruque Mohammed ()
Malik Aamir Saeed, Ph.D. (UPSY FIT VUT)
Abstrakt

Úvod: Prezentace vizuálních podnětů může vyvolat změny v EEG signálech které jsou obvykle zjistitelné zprůměrováním dat z více pokusů pro analýza jednotlivých účastníků i analýza skupin nebo podmínek
více účastníků. Tato studie navrhuje novou metodu založenou na diskrétnosti waveletová transformace s Huffmanovým kódováním a strojovým učením pro jeden pokus analýza potenciálu souvisejícího s událostmi (ERP) a klasifikace různých vizuálních události v úloze detekce vizuálních objektů.
Metoda: Jednotlivé pokusy EEG jsou dekomponovány pomocí diskrétní vlnkové transformace (DWT) do 4 úroveň rozkladu pomocí biortogonálního B-spline vlnka. Koeficienty DWT v každém pokusu jsou limitovány tak, aby byly řídké vlnkové koeficienty, přičemž kvalita signálu je dobře zachována. The zbývající optimální koeficienty v každém pokusu jsou zakódovány do bitových toků pomocí Huffmanovo kódování a kódová slova jsou reprezentovány jako rys ERP signál. Výkon této metody je testován s reálnými vizuálními ERP šedesát osm předmětů.
Výsledky: Navržená metoda významně eliminuje spontánní EEG aktivita, extrahuje vizuální ERP na jeden pokus, představuje křivku ERP do a kompaktní bitový tok jako funkce a dosahuje slibných výsledků při klasifikaci vizuální objekty s klasifikační výkonnostní metrikou: přesnost 93,606,5, citlivosti 93,554,5, specificity 94,854,2, přesnosti 92,505,5 a plocha pod křivkou (AUC) 0,930,3 pomocí SVM a k-NN strojového učení klasifikátory.
Závěr: Navrhovaná metoda naznačuje společné použití diskrétní vlnky
transformace (DWT) s Huffmanovým kódováním má potenciál efektivně extrahovat ERP z EEG na pozadí pro studium evokovaných reakcí v ERP na jeden pokus a klasifikace vizuálních podnětů. Navrhovaný přístup má časovou složitost O(N). a mohly by být implementovány v systémech v reálném čase, jako je mozek-počítač rozhraní (BCI), kde je žádoucí hladká rychlá detekce mentálních událostí ovládat stroj s myslí.

Rok
2023
Strany
1-17
Časopis
Journal of NeuroEngineering and Rehabilitation, roč. 20, č. 70, ISSN 1743-0003
Vydavatel
Springer Nature Switzerland AG
DOI
10.1186/s12984-023-01179-8
UT WoS
001000503100001
EID Scopus
2-s2.0-85160951495
BibTeX 
@ARTICLE{FITPUB12746,
   author = "Hafeez Ullah Amin and Rafi Ullah and Mohammed Faruque Reza and Saeed Aamir Malik",
   title = "Single-trial extraction of event-related potentials (ERPs) and classification of visual stimuli by ensemble use of discrete wavelet transform with Huffman coding and machine learning techniques",
   pages = "1--17",
   journal = "Journal of NeuroEngineering and Rehabilitation",
   volume = 20,
   number = 70,
   year = 2023,
   ISSN = "1743-0003",
   doi = "10.1186/s12984-023-01179-8",
   language = "english",
   url = "https://www.fit.vut.cz/research/publication/12746"
}
Soubory
Nahoru