THE APPLICATION OF SPECTRAL ANALYSIS OF EEG DATA FOR THE IDENTIFICATION OF OPEN AND CLOSED EYE STATES

Panasenko Ye.S.; Belozyorov V.Ye.

doi:10.34185/1562-9945-6-155-2024-11

Автор(и)

Panasenko Ye.S.
Belozyorov V.Ye.

DOI:

https://doi.org/10.34185/1562-9945-6-155-2024-11

Ключові слова:

спектральний аналіз, електроенцефалографія, часові ряди, швидке перетворення Фур'є, ритми мозку, частотні артефакти, PyRQA.

Анотація

У статті розглянуто аналіз даних електроенцефалограми (ЕЕГ) для класифікації станів розплющених і заплющених очей з використанням швидкого перетворення Фур'є (ШПФ). Показано, що цей метод демонструє стабільну точність розпізнавання на рівні 70-80% при розрізненні станів розплющених і заплющених очей, що свідчить про його ефективність для класифікації біомедичних сигналів. Описано загальні відомості про ЕЕГ, пункти для їх зчитування, зокрема про «систему 10-10», наведено інформацію про основні типи мозкових ритмів. Також розглянуто сучасні методи аналізу даних ЕЕГ, виділено три основні підходи: спектральний аналіз, рекурентний аналіз та методи машинного навчання. Розроблено програмне забезпечення для класифікації інформації, представленої у вигляді часових рядів ЕЕГ, отриманих у стані відкритих і закритих очей. Програмне забезпечення розроблено на мові Python з використанням бібліотеки PyRQA.

Посилання

S. Kargarnovin, C. Hernandez, F. V. Farahani, and W. Karwowski Evidence of Chaos in Electroencephalogram Signatures of Human Performance: A Systematic Review / S. Kargar-novin, C. Hernandez, F. V. Farahani, and W. Karwowski. - Brain Sci. - vol. 13, no. 5, May 2023. - p. 813.

X. Wang, J. Meng, G. Tan, and L. Zou Research on the relation of EEG signal chaos char-acteristics with high-level intelligence activity of human brain / X. Wang, J. Meng, G. Tan, and L. Zou. - Nonlinear Biomedical Physics. - vol. 4, no. 1, Apr. 2010. - p. 2.

J. Gallego-Rudolf, M. Corsi-Cabrera, L. Concha, J. Ricardo-Garcell, and E. Pasaye-Alcaraz Preservation of EEG spectral power features during simultaneous EEG-fMRI / J. Gallego-Rudolf, M. Corsi-Cabrera, L. Concha, J. Ricardo-Garcell, and E. Pasaye-Alcaraz. - Front Neurosci. - vol. 16, 2022. - p. 951321.

S. Makeig, A. Bell, T.-P. Jung, and T. J. Sejnowski Independent Component Analysis of Electroencephalographic Data / S. Makeig, A. Bell, T.-P. Jung, and T. J. Sejnowski. - in Ad-vances in Neural Information Processing Systems. - vol. 8, 1995. -.

N. S. M. Nor, N. H. A. H. Malim, N. A. P. Rostam, J. J. Thomas, M. A. Effendy, and Z. Hassan Automated classification of eight different Electroencephalogram (EEG) bands using hybrid of Fast Fourier Transform (FFT) with machine learning methods / N. S. M. Nor, N. H. A. H. Malim, N. A. P. Rostam, J. J. Thomas, M. A. Effendy, and Z. Hassan. - Neuroscience Research Notes. - vol. 5, no. 1, 1, Mar. 2022. - pp. 116–116.

J. Hu, F. Jia, and W. Liu Application of Fast Fourier Transform / J. Hu, F. Jia, and W. Liu. - Highlights in Science, Engineering and Technology. - vol. 38, Mar. 2023. - pp. 590–597.

J. R. Winkler Numerical recipes in C: The art of scientific computing, second edition / J. R. Winkler. - Endeavour. - vol. 17, no. 4, Jan. 1993. - p. 554.

EEG Motor Movement/Imagery Dataset /. [Online]. Available: https://archive.physionet.org/pn4/eegmmidb/. [Accessed: 21-Feb-2024].

G. Schalk, D. J. McFarland, T. Hinterberger, N. Birbaumer, and J. R. Wolpaw BCI2000: A general-purpose brain-computer interface (BCI) system / G. Schalk, D. J. McFarland, T. Hin-terberger, N. Birbaumer, and J. R. Wolpaw. - IEEE Trans Biomed Eng. - vol. 51, no. 6, Jun. 2004. - pp. 1034–1043.

A. L. Goldberger, L. A. Amaral, L. Glass, J. M. Hausdorff, P. C. Ivanov, R. G. Mark, J. E. Mietus, G. B. Moody, C. K. Peng, and H. E. Stanley PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals / A. L. Goldberger, L. A. Amaral, L. Glass, J. M. Hausdorff, P. C. Ivanov, R. G. Mark, J. E. Mietus, G. B. Moody, C. K. Peng, and H. E. Stanley. - Circulation. - vol. 101, no. 23, Jun. 2000. - pp. E215–220.

T. Rawald, M. Sips, and N. Marwan PyRQA—Conducting recurrence quantification analysis on very long time series efficiently / T. Rawald, M. Sips, and N. Marwan. - Com-puters & Geosciences. - vol. 104, Jul. 2017. - pp. 101–108.

P. Welch The use of fast Fourier transform for the estimation of power spectra: A method based on time averaging over short, modified periodograms / P. Welch. - IEEE Trans. Audio Electroacoust. - vol. 15, no. 2, Jun. 1967. - pp. 70–73.