孙煜
- 作品数：3 被引量：2H指数：1
- 供职机构：新加坡国立大学更多>>
- 相关领域：医药卫生机械工程更多>>
- 轻度认知功能障碍与阿尔茨海默病患者脑部功能连接及结构连接的影像学研究
- <正>目的利用功能磁共振(functional MRI,fMRI)和弥散张量成像(diffusion tensor imaging,DTI)技术研究阿尔茨海默病(Alzheimers Disease,AD)及记忆型轻度认...
- 方嵘孙煜尹其华严晓晓王瑛Anastasios Bezerianos缪飞孙俊峰汤荟冬
- 文献传递
- 基于单试验脑电图的n-back任务中的脑力负荷分类（英文）被引量：2
- 2017年
- 近年来,脑力负荷估计已经经历了广泛的研究,因为监测认知负荷的能力能够防止认知超负荷并且改善工作场所安全。脑电图(EEG)信号已经被发现是一种客观和非侵入性的脑力负荷的测量方式。然而,作为实时脑力负荷监测和脑机接口研究的重要一步,基于单试验EEG数据的认知负荷的评估一直是一个重大的挑战。最近,许多高级的特征提取方法和机器学习算法已经被采用于基于EEG的脑力负荷评估中。在本研究中,使用在具有2个难度水平的n-back任务的执行期间记录的EEG数据进行了单试验脑力负荷分类,测试了3种类型的特征提取的有效性(谱功率、离散小波变换和公共空间滤波),并评估了4种分类算法的性能(支持向量机、K-近邻、随机森林和梯度推进分类器)。研究结果表明,公共空间滤波是性能最好的基于单试验的脑力负荷分类的特征提取方法,而且最佳性能可以通过将来自谱功率或离散小波变换的特征与来自公共空间滤波的特征相结合,并采用随机森林分类器来实现。这项研究可能对基于单试验脑电图数据的脑力负荷评估中的特征提取方法以及机器学习算法的选择提供一些有用的指导。
- 代忠祥Bezerianos AnastasiosChen Shen-Hsing Annabel孙煜
- 关键词：脑电图特征提取
- 脑结构网络在阿尔茨海默病及轻度认知功能障碍患者中的研究
- 目的既往报道表明,阿尔茨海默病(Alzheimer’s Disease AD)及轻度认知功能障碍(mild cognitive impairment.MCI)患者在脑网络结构的研究中均表现出局部脑结构的异常和拓扑结构的退...
- 方嵘严晓晓吴志远孙煜尹其华王瑛汤荟冬孙俊峰缪飞陈生弟
- 文献传递
