基于 EEG 记录的眼状态分类：利用信号时段与互信息测度的加速增益
信号处理
2022-09-05 v1 计算机视觉与模式识别
机器学习
神经元与认知
摘要
脑电图（EEG）信号的分类在广泛应用中十分有用，例如癫痫发作检测/预测、运动想象分类、情绪分类以及药物效应诊断等。随着获取的大量 EEG 通道，开发高效的数据约简方法变得至关重要，且不同应用的重要性各异。对于许多应用而言，在 EEG 记录期间实现在线分类以监测实时变化也很重要。本文我们引入一种基于互信息（MI）的通道选择方法。所得结果显示，尽管分类准确率得分有所损失，但使用 MI 技术可实现可观的加速增益。将 MI 与包含信号转换的信号时段（3 秒）结合可增强这些加速增益。本工作是探索性的，我们建议开展进一步研究以进行验证与开发。提升分类速度的好处包括改善临床或教育环境中的应用。
引用
@article{arxiv.2209.01023,
title = {Classification of eye-state using EEG recordings: speed-up gains using signal epochs and mutual information measure},
author = {Phoebe M Asquith and Hisham Ihshaish},
journal= {arXiv preprint arXiv:2209.01023},
year = {2022}
}