Motor imagery classification using multivariate empirical mode decomposition (MEMD) based functional connectivity features

Elektroensefalografi motor imgeleme sinyalleri, beyin-bilgisayar arayüzleri uygulamalarında sıklıkla kullanılmaktadır. Son zamanlarda, işlevsel bağlantısallık ölçütleri, EEG kanalları arasındaki istatistiksel bağımlılıkları yakalayabilmesi nedeniyle ilgi toplamıştır. Ancak, motor imgeleme görevleri sırasındaki işlevsel bağlantısallık henüz tam olarak keşfedilememiştir. Bu çalışmada, EEG sinyallerinden gürültü destekli çoklu boyutlu deneysel kip ayrıştırımı ile elde edilen içsel mod fonksiyonları arasında hesaplanan faz kilitleme değeri, koherans, ve koheransın sanal kısmı değerleri sağel/sol-el motor imgeleme sınıflandırmasında kullanılmıştır. Sonuçlar analiz edildiğinde, en iyi doğruluk skorunun koheransın sanal kısmının zaman-frekans fonksiyonlarından türetilen özellikler kullanılarak 0.77 olarak elde edildiği görülmüştür. Bu çalışma ile işlevsel bağlantısallık ölçütlerinin zamana göre değişiminin motor imgeleme sınıflandırması için işlenmemiş veriden hesaplanan değerlere kıyasla daha etkili olduğu gösterilmiştir. Bu çalışmada daha az sayıda kanal kullanılması avantajıyla benzer çalışmalarla kıyaslanabilir sonuçlar elde edilebilmiştir.