classification of targets and distractors present in visual hemifields using time-frequency domain eeg features

تصنيف الأهداف والمشتتات الموجودة في نصفي المجال البصري باستخدام سمات التخطيط الكهربائي للدماغ في المجال الزمني-الترددي

Clicks: 261
ID: 193448
2018
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Emerging

Ranked #17 of 48 articles by views in journal of political philosophy

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
This paper presents a classification system to classify the cognitive load corresponding to targets and distractors present in opposite visual hemifields. The approach includes the study of EEG (electroencephalogram) signal features acquired in a spatial attention task. The process comprises of EEG feature selection based on the feature distribution, followed by the stepwise discriminant analysis- (SDA-) based channel selection. Repeated measure analysis of variance (rANOVA) is applied to test the statistical significance of the selected features. Classifiers are developed and compared using the selected features to classify the target and distractor present in visual hemifields. The results provide a maximum classification accuracy of 87.2% and 86.1% and an average classification accuracy of 76.5 ± 4% and 76.2 ± 5.3% over the thirteen subjects corresponding to the two task conditions. These correlates present a step towards building a feature-based neurofeedback system for visual attention.
تقدم هذه الورقة البحثية نظام تصنيف لتحديد الحمل المعرفي المرتبط بالأهداف والمشتتات الموجودة في نصفي المجال البصري المتقابلين. ويتضمن هذا النهج دراسة سمات إشارات تخطيط كهربية الدماغ (EEG) المسجلة أثناء أداء مهمة انتباه مكاني. تتألف العملية من اختيار سمات تخطيط كهربية الدماغ بناءً على توزيع السمات، يليه اختيار القنوات بالاعتماد على التحليل التمايزي التدريجي (SDA). ويُطبَّق تحليل التباين للقياسات المتكررة (rANOVA) لاختبار الدلالة الإحصائية للسمات المختارة. كما تم تطوير مصنفات ومقارنتها باستخدام السمات المختارة لتصنيف الهدف والمشتت الموجودين في نصفي المجال البصري. وتُظهر النتائج دقة تصنيف قصوى بلغت 87.2% و86.1%، ومتوسط دقة تصنيف قدره 76.5 ± 4% و76.2 ± 5.3% عبر المشاركين الثلاثة عشر في حالتي المهمة. وتمثل هذه الارتباطات خطوة نحو بناء نظام تغذية راجعة عصبية قائم على السمات للانتباه البصري.
Reference Key
sweeti2018journalclassification Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors ;Sweeti;Deepak Joshi;B. K. Panigrahi;Sneh Anand;Jayasree Santhosh
Journal journal of political philosophy
Year 2018
DOI
10.1155/2018/9213707
URL
http://dx.doi.org/10.1155/2018/9213707
Keywords
medicine (general)medical technology

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.