MétaCan
Menu
Retour à la cohorte
Enregistrement W2142025274 · doi:10.1109/ecticon.2009.5137235

Elimination of Ocular Artifacts from EEG signals using the wavelet transform and empirical mode decomposition

2009· article· en· W2142025274 sur OpenAlexaff
Majid Kiamini, Shahpour Alirezaee, Bahram Perseh, Majid Ahmadi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésElectroencephalographyHilbert–Huang transformSIGNAL (programming language)Computer scienceArtificial intelligenceWavelet transformPattern recognition (psychology)WaveletSignal processingSpeech recognitionContinuous wavelet transformDiscrete wavelet transformComputer visionFilter (signal processing)Digital signal processingPsychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

Electroencephalogram (EEG) is a biological signal that represents the electrical activity of the brain. EEG signal may be highly distorted by the eye-blinks and movements of the eyeballs that are collectively known as ocular artifacts (OA). OA severely limit the utility of the recorded EEG and thus need to be removed for better clinical evaluation. The frequency range of EEG signal is 0 to 64 Hz and the OA occur within the range of 0 to 16 Hz. Therefore, simple filtering techniques cannot be used to eliminate OA from EEG. This paper present a method based on the wavelet transform to automatically identify the OA zones in contaminated EEG signal. Then, only removing it's to obtain the clean EEG by the recently developed empirical mode decomposition (EMD) algorithm. Simulation results show the superiority of the proposed method in identification and removal of ocular artifacts from EEG signal comparison with other filtering approaches.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,225
Score d'incertitude au seuil0,212

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,053
Tête enseignante GPT0,372
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEEG and Brain-Computer InterfacesTravaux en français237 207