|
|
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$ J3 j* H8 f% N0 g/ i3 q
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4 P, s* G" v! M
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
) m1 E/ i, p# u1 b1 S9 Fdataset 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
5 m# p1 A! X7 ?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。! ^% l$ l, Z+ u8 m
关键词：脑功能网络；LASSO-Granger；感兴趣脑区；特征提取% E% v# b, k, w! `; n
1 引言
" G, p6 `! v& L. i) @+ o随着对人脑结构和功能的不断探索，越来越多* P4 r1 Q9 p8 O% U, H8 J
的研究者意识到脑功能网络对运动想象(Motor
9 q4 [- K) i+ v, y$ o* M0 R. {Imagery, MI)研究的重要性。MI 是指仅仅在大脑中
' H0 {/ G9 `" a" _ T% g# t5 D7 e反复进行运动模拟训练的一种心理作业，在神经科- V* |3 U( O1 J0 Y5 M
学和临床医学上扮演越来越重要的角色。即便是一
7 T5 o2 E. b' Z& z3 [$ \项非常简单的认知任务也需要多个不同的功能区域
1 Z8 M: w8 @ D. N/ J9 o( J相互作用才能发挥功能[1,2]，当人们在进行 MI 时，
5 A9 s9 Y& M; a
% P* O* w* E: [3 e4 C! P7 h
8 ]8 j6 l7 Z# W+ u1 A2 A6 `2 o$ \# K3 N
! S7 \9 m& k3 a6 |
/ Q8 S7 h A1 L6 `4 L( C' `$ d2 i6 \
附件下载：
; s- o& i! i* e" y; w" p; o8 z' I. a: A( K0 b
|
|
/1 
发表于 2021-5-8 17:36
收藏
淘帖
支持！
反对！