MétaCan
Menu
Retour à la cohorte
Enregistrement W4413127986 · doi:10.18280/ts.420434

Determination of Inter-Channel Interactions in EEG Sub-Frequency Bands Based on Coherence Analysis and Neural Networks During the Audiological Test Process

2025· article· en· W4413127986 sur OpenAlexvenueno aff
Lütfiye Nurel Özdinç Polat, Şükrü Özen

Notice bibliographique

RevueTraitement du signal · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Applications
Établissements canadiensnon disponible
Organismes subventionnairesAkdeniz Üniversitesi
Mots-clésCoherence (philosophical gambling strategy)ElectroencephalographyArtificial neural networkChannel (broadcasting)Process (computing)Computer scienceTest (biology)Speech recognitionPattern recognition (psychology)Artificial intelligenceAcousticsPsychologyPhysicsMathematicsTelecommunicationsNeuroscienceStatisticsGeology

Résumé

récupéré en direct d'OpenAlex

Audiological testing is important for correctly diagnosing hearing problems and making appropriate treatment plans.During the audiological test, it is important to reveal which subfrequency bands of the electroencephalogram (EEG) dominate, and which electrode regions have simultaneous activation for determination of the effects of the audiological test on the brain electrical activity.The purpose of this study is to determine the changes caused by the audiologic test process in the brain activity of individuals.The EEG signals were obtained from 36 volunteers during audiological testing and at rest.The EEG data were analyzed to show the effects of the test process according to the resting state.Dual electrode coherence analyses were performed for delta, theta, alpha, beta and gamma sub-frequency bands of EEG signals.In the study, neural activation in frontal and temporal positions was also examined using wavelet coherence during the audiological test task.In the study, it was also attempted to determine whether the coherence values of the electrode pairs could be used to distinguish between resting and audiological test conditions through the classification process.At this stage, an attempt was made to determine the most effective EEG sub-bands that distinguish resting and audiological test status.The results showed that there was a high coherence in the changes in alpha, theta and delta bands, especially in the symmetric temporal region, throughout the audiological test process.It seems that the sub-frequency bands of EEG signals in the audiological testing process in participants can be distinguished by coherence analysis.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,265
Écart entre enseignants0,252 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTraitement du signalMême sujetNeural Networks and ApplicationsTravaux en français237 207