FATIGUE DETECTION USING THE STRENGTH OF DOMINANT EEG SOURCE: A BEAMFORMING APPROACH
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
It is evident that the electroencephalogram (EEG) rhythms are slightly changed when the efficacy of mental activity declines (brain fatigue). Nonetheless, this slight change is not easily detectable by the so far suggested scalp EEG features. The goal of this paper is to propose an EEG-based biomarker, which has a congruity to the mental fatigue variation to detect the transition from non-fatigue to the fatigue mental state. The strength of the dominant EEG source, extracted by minimum variance beamformer (MVB), is proposed here as a discriminative feature to remarkably classify the two mental states. To assess the proposed scheme, EEG signals of 17 volunteers were recorded via 32 electrodes before and after taking an exhausting mental exam (3[Formula: see text]h) and the extracted EEG features were labeled as non-fatigue and fatigue, respectively. After removing the eye-blink effect, the proposed feature along with the conventional EEG features were extracted from the recorded EEGs and then applied to support vector machine (SVM) and 1-nearest neighbor (1NN) classifiers in order to differentiate these two mental states. The best result is achieved by applying the proposed feature to the SVM classifier providing 97.06% classification accuracy which is significantly ([Formula: see text]) superior to its counter parts.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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