-
Something wrong with this record ?
Praktické zkušenosti s aplikací metody analýzy nezávislých komponent a analýzy hlavních komponent pro eliminaci EEG artefaktů
[Practical experience in the application of independent component analysis (ICA) and principal component analysis (PCA) for EEG artifacts elimination]
Aleš Černošek, Vladimír Krajča, Svojmil Petránek
Language Czech Country Czech Republic
Document type Review
Grant support
NG14
MZ0
CEP Register
Digital library NLK
Full text - Část
Source
- MeSH
- Artifacts MeSH
- Electroencephalography MeSH
- Factor Analysis, Statistical methods MeSH
- Research Support as Topic MeSH
- Publication type
- Review MeSH
Jedním z mnoha problémů elektroencefalografie (EEG) je analýza aktivity mozkové činnosti z měřených dat, která mohou být zkreslena různými poruchami-artefakty. V tomto článku jsme se zaměřili na ověření vlastností dvou metod - analýzy nezávislých komponent (Independent Component Analysis, ICA) a analýzy hlavních komponent (Principal Component Analysis, PCA), které mohou tyto artefakty eliminovat. Metody jsme aplikovali na reálná EEG data, která byla kontaminována amplitudovým a síťovým artefaktem. Cílem bylo zjistit, do jaké míry jsou tyto metody schopny znehodnocené signály rekonstruovat do diagnosticky vyuŽitelné podoby. Výsledky jsme u obou metod vzájemně porovnali, včetně ověření shody s názorem lékaře.
Extraction of the meaningful brain activity informationfrom measured signals distorted by various artifacts is a practical problem in electroencephalography (EEG). Eye movements, muscle activity and mechanical and electrical displacements in the measuring apparatus represent typical artefacts. Several methods were developed for removing these artifacts. Two of them - Independent Component Analysis (ICA) and Principal Component Analysis (PCA) are discussed in this paper. Both ICA and PCA are useful in signal description, optimal feature extraction, and data compression. We would like to show that ICA and PCA could as well effectively separate and remove contamination from a wide variety of artifactual sources in EEG records. Results obtained using ICA with those from PCA are compared.
Practical experience in the application of independent component analysis (ICA) and principal component analysis (PCA) for EEG artifacts elimination
Praktické zkušenosti s aplikací metody analýzy nezávislých komponent a analýzy hlavních komponent pro eliminaci EEG artefaktů = Practical experience in the application of independent component analysis (ICA) and principal component analysis (PCA) for EEG artifacts elimination /
Practical experience in the application of independent component analysis (ICA) and principal component analysis (PCA) for EEG artifacts elimination /
Lit: 21
Bibliography, etc.Souhrn: eng
- 000
- 00000naa a2200000 a 4500
- 001
- bmc00007495
- 003
- CZ-PrNML
- 005
- 20160225112718.0
- 008
- 000400s2000 xr u cze||
- 009
- AR
- 040 __
- $a ABA008 $b cze $c ABA008 $d ABA008 $e AACR2
- 041 0_
- $a cze $b eng
- 044 __
- $a xr
- 100 1_
- $a Černošek, Aleš $4 aut
- 245 10
- $a Praktické zkušenosti s aplikací metody analýzy nezávislých komponent a analýzy hlavních komponent pro eliminaci EEG artefaktů = $b Practical experience in the application of independent component analysis (ICA) and principal component analysis (PCA) for EEG artifacts elimination / $c Aleš Černošek, Vladimír Krajča, Svojmil Petránek
- 246 11
- $a Practical experience in the application of independent component analysis (ICA) and principal component analysis (PCA) for EEG artifacts elimination
- 314 __
- $a VŠB-TU, FEI, Katedra měřící a řídící techniky, Ostrava 8, CZ
- 504 __
- $a Lit: 21
- 504 __
- $a Souhrn: eng
- 520 3_
- $a Jedním z mnoha problémů elektroencefalografie (EEG) je analýza aktivity mozkové činnosti z měřených dat, která mohou být zkreslena různými poruchami-artefakty. V tomto článku jsme se zaměřili na ověření vlastností dvou metod - analýzy nezávislých komponent (Independent Component Analysis, ICA) a analýzy hlavních komponent (Principal Component Analysis, PCA), které mohou tyto artefakty eliminovat. Metody jsme aplikovali na reálná EEG data, která byla kontaminována amplitudovým a síťovým artefaktem. Cílem bylo zjistit, do jaké míry jsou tyto metody schopny znehodnocené signály rekonstruovat do diagnosticky vyuŽitelné podoby. Výsledky jsme u obou metod vzájemně porovnali, včetně ověření shody s názorem lékaře.
- 520 9_
- $a Extraction of the meaningful brain activity informationfrom measured signals distorted by various artifacts is a practical problem in electroencephalography (EEG). Eye movements, muscle activity and mechanical and electrical displacements in the measuring apparatus represent typical artefacts. Several methods were developed for removing these artifacts. Two of them - Independent Component Analysis (ICA) and Principal Component Analysis (PCA) are discussed in this paper. Both ICA and PCA are useful in signal description, optimal feature extraction, and data compression. We would like to show that ICA and PCA could as well effectively separate and remove contamination from a wide variety of artifactual sources in EEG records. Results obtained using ICA with those from PCA are compared.
- 650 _2
- $a elektroencefalografie $7 D004569
- 650 _2
- $a artefakty $7 D016477
- 650 _2
- $a faktorová analýza statistická $x METODY $7 D005163
- 650 _2
- $a finanční podpora výzkumu jako téma $7 D012109
- 655 _2
- $a přehledy $7 D016454
- 700 1_
- $a Krajča, Vladimír, $d 1955- $4 aut $7 xx0054493
- 700 1_
- $a Petránek, Svojmil, $d 1948- $4 aut $7 xx0102444
- 700 1_
- $a Mohylová, Jitka $4 aut
- 773 0_
- $w MED00011033 $t Lékař a technika $g Roč. 31, č. 2 (2000), s. 31-38 $x 0301-5491
- 910 __
- $a ABA008 $b B 1367 $c 1071b $y 0 $z 0
- 990 __
- $a 20000628 $b ABA008
- 991 __
- $a 20160225112724 $b ABA008
- BAS __
- $a 3
- BMC __
- $a 2000 $b Roč. 31 $c č. 2 $d s. 31-38 $i 0301-5491 $m Lékař a technika $x MED00011033
- GRA __
- $a NG14 $p MZ0
- LZP __
- $b přidání abstraktu
