1 / 15

využitie metódy analýzy nezávislých komponentov pri detekcii artefaktov v EEG

Workshop Pokroky v biomedicínském inženýrství. využitie metódy analýzy nezávislých komponentov pri detekcii artefaktov v EEG. Ing. Richard Fusko 2010. Obsah. Analýza nezávislých komponentov Princíp metódy Vlastnosti ICA Verifikácia metódy - separácia zmiešaných hudobných signálov

binta
Télécharger la présentation

využitie metódy analýzy nezávislých komponentov pri detekcii artefaktov v EEG

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Workshop Pokroky v biomedicínskéminženýrství využitie metódy analýzy nezávislých komponentov pri detekcii artefaktov v EEG Ing. Richard Fusko 2010

  2. Obsah • Analýza nezávislých komponentov • Princíp metódy • Vlastnosti ICA • Verifikácia metódy - separácia zmiešaných hudobných signálov • 3. Aplikácia metódy na EEG signál • Detekcia očného artefaktu I C A

  3. Analýza nezávislých komponentov • snaží sa oddeliť nezávislé signály, ktoré boli nejakým spôsobom predtým zmiešané • „cocktail party“ problém I C A

  4. Princíp metódy ICA ICA A S(t) x(t) y(t) x = A . S y = W . x S(t) – zdrojové signály A – zmiešavacie prostredie x(t) – zmiešané signály W – separačná matica y(t) – odhadnuté zdrojové signály I C A

  5. Vlastnosti metódy ICA • ICA metóda môže rozdeliť dáta maximálne na taký počet komponentov, koľko bolo vstupných signálov. • Aby sme našli n nezávislých komponentov zo signálu s n kanálmi, musí byť dĺžka sledovaného záznamu aspoň 3n2. • Permutácia indexov separovaných zdrojov • Po aplikácii metódy môže byť zle odhadnuté znamienko separovaných signálov. I C A

  6. Separácia zmiešaných hudobných signálov S2 S1 R2 R1 m2 m1 m3 m4 S4 S3 R3 R4 I C A

  7. Separácia zmiešaných hudobných signálov • simulácia v prostredí Matlab • vzorkovacia frekvencia 8000 Hz, dĺžka každého súboru 25 s • zmiešavacia matica A = • FastICA algoritmus I C A

  8. Separácia zmiešaných hudobných signálov čas [s] čas [s] I C A

  9. Očný artefakt • najbežnejší druh biologického artefaktu v EEG • viditeľný najmä v signáli z elektród Fp1 a Fp2 • generuje falošný delta rytmus I C A

  10. Aplikácia metódy ICA na EEG

  11. Aplikácia metódy ICA na EEG

  12. okno c e d β b n11 w1 α P1 w2 a n12 výstup n2 n13 b2 n14 P7 n15 b1 Automatická detekcia očného artefaktu I C A

  13. Automatická detekcia očného artefaktu

  14. Záver • Oboznámenie sa s metódou ICA • Overenie metódy na simulovanom príklade • Využitie pri detekcii a odstránení očného artefaktu • Navrhnutie automatickej detekcie pomocou neurónovej siete I C A

  15. Ďakujem za pozornosť

More Related