Bücher von Saroj Bista

Este livro apresenta um método rentável para registar sinais de ondas cerebrais utilizando um dispositivo EEG com eléctrodos activos de três canais e classificar as ondas cerebrais relacionadas com o movimento da mão direita e da mão esquerda do imaginário motor (MI), com base na eletroencefalografia (EEG) medida a partir do lobo central, que pode ser utilizada para os sistemas de Interface Cérebro-Computador (BCI). O livro explica a utilização da Análise de Componentes Independentes (ICA) para a remoção de artefactos EEG e, em seguida, extrai as características das ondas cerebrais para o movimento MI da mão esquerda e MI da mão direita utilizando a Decomposição Wavelet (WD). A wavelet-mãe "Morlet" é utilizada para a decomposição wavelet, uma vez que apresenta um melhor desempenho na análise de sinais biomédicos não estacionários como o EEG. As características das ondas cerebrais, como a potência máxima entre todos os níveis de decomposição (MMP), a frequência correspondente à MMP (MAF) e a amplitude máxima do sinal com MAF (MMA), são escolhidas como características de classificação para a classificação das ondas cerebrais MI. A classificação dos sinais de ondas cerebrais de MI é efectuada utilizando a Análise Discriminante Linear (LDA).

Ce livre présente une méthode rentable d'enregistrement des signaux d'ondes cérébrales à l'aide d'un dispositif EEG à électrodes actives à trois canaux et de classification des ondes cérébrales liées à l'imagerie motrice (IM) des mouvements de la main gauche et de la main droite, sur la base de l'électroencéphalographie (EEG) mesurée à partir du lobe central, qui pourrait être utilisée pour les systèmes d'interface cerveau-ordinateur (BCI). Le livre explique l'utilisation de l'analyse en composantes indépendantes (ICA) pour l'élimination des artefacts EEG, puis l'extraction des caractéristiques des ondes cérébrales pour les mouvements de la main gauche et de la main droite de l'IM à l'aide de la décomposition en ondelettes (WD). L'ondelette mère "Morlet" est utilisée pour la décomposition en ondelettes car elle est plus performante pour l'analyse des signaux biomédicaux non stationnaires comme l'EEG. Les caractéristiques des ondes cérébrales telles que la puissance maximale parmi tous les niveaux de décomposition (MMP), la fréquence correspondant à la MMP (MAF) et l'amplitude maximale du signal avec MAF (MMA) sont choisies comme caractéristiques de classification pour la classification des ondes cérébrales MI. La classification des signaux d'ondes cérébrales MI est effectuée à l'aide de l'analyse discriminante linéaire (LDA).

Este libro presenta un método rentable para registrar señales de ondas cerebrales utilizando un dispositivo EEG de electrodos activos de tres canales y clasificar las ondas cerebrales relacionadas con el movimiento de la mano izquierda y derecha de la imaginería motora (MI), basándose en la electroencefalografía (EEG) medida desde el lóbulo central, que podría utilizarse para los sistemas de interfaz cerebro-ordenador (BCI). El libro explica el uso del Análisis de Componentes Independientes (ICA) para eliminar los artefactos del EEG y, a continuación, extraer las características de las ondas cerebrales para el movimiento MI de la mano izquierda y MI de la mano derecha mediante la Descomposición Wavelet (WD). La ondícula madre 'Morlet' se utiliza para la descomposición wavelet, ya que muestra un mejor rendimiento para el análisis de señales biomédicas no estacionarias como EEG. Las características de las ondas cerebrales como la potencia máxima entre todos los niveles de descomposición (MMP), la frecuencia correspondiente a MMP (MAF) y la amplitud máxima de la señal con MAF (MMA) se eligen como características de clasificación de las ondas cerebrales MI. La clasificación de las señales de ondas cerebrales MI se realiza utilizando el Análisis Discriminante Lineal (LDA).

Questo libro presenta un metodo economico per registrare i segnali delle onde cerebrali utilizzando un dispositivo EEG a elettrodi attivi a tre canali e classificare le onde cerebrali relative al movimento dell'immaginazione motoria (MI) della mano destra e sinistra, sulla base dell'elettroencefalogramma (EEG) misurato dal lobo centrale, che potrebbe essere utilizzato per i sistemi Brain Computer Interface (BCI). Il libro spiega l'uso dell'analisi delle componenti indipendenti (ICA) per la rimozione degli artefatti EEG, per poi estrarre le caratteristiche delle onde cerebrali per il movimento MI della mano sinistra e MI della mano destra utilizzando la Wavelet Decomposition (WD). Per la decomposizione wavelet viene utilizzata la wavelet madre 'Morlet', che mostra prestazioni migliori per l'analisi di segnali biomedici non stazionari come l'EEG. Le caratteristiche delle onde cerebrali, come la massima potenza tra tutti i livelli di decomposizione (MMP), la frequenza corrispondente a MMP (MAF) e l'ampiezza massima del segnale con MAF (MMA), vengono scelte come caratteristiche per la classificazione delle onde cerebrali MI. La classificazione dei segnali delle onde cerebrali MI viene effettuata utilizzando l'analisi discriminante lineare (LDA).

In diesem Buch wird eine kostengünstige Methode zur Aufzeichnung von Hirnwellensignalen mit einem Dreikanal-EEG-Gerät mit aktiver Elektrode und zur Klassifizierung von Hirnwellen im Zusammenhang mit der motorischen Vorstellungskraft (MI) der linken und rechten Hand auf der Grundlage der Elektroenzephalographie (EEG) vorgestellt, die im Mittellappen gemessen wird und für Brain Computer Interface (BCI)-Systeme verwendet werden könnte. Das Buch erläutert die Verwendung der unabhängigen Komponentenanalyse (ICA) zur Entfernung von EEG-Artefakten und extrahiert dann die Hirnwellenmerkmale für die MI-Bewegung der linken und rechten Hand mithilfe der Wavelet-Zerlegung (WD). Für die Wavelet-Zerlegung wird das 'Morlet'-Mutter-Wavelet verwendet, da es eine bessere Leistung bei der Analyse nicht-stationärer biomedizinischer Signale wie EEG zeigt. Als Klassifizierungsmerkmale für die Klassifizierung von MI-Gehirnströmen werden die maximale Leistung auf allen Zersetzungsebenen (MMP), die der MMP entsprechende Frequenz (MAF) und die maximale Amplitude des Signals mit MAF (MMA) gewählt. Die Klassifizierung von MI-Gehirnwellensignalen erfolgt mithilfe der linearen Diskriminanzanalyse (LDA).

This book presents a cost-effective method to record brainwave signals using three channel active electrode EEG device and classify brainwaves related to motor imagery (MI) left and right-hand movement, based on electroencephalography (EEG) measured from the central lobe, that could be used for the Brain Computer Interface (BCI) systems. The book has explained about the use of Independent Component Analysis (ICA) for the removal of EEG artifacts, and then extract the brainwaves features for MI left hand and MI right-hand movement using Wavelet Decomposition (WD). The ¿Morlet¿ mother wavelet is used for wavelet decomposition as it shows better performance for analysis of non-stationary biomedical signals like EEG. The brainwave features like Maximum Power among all decomposition level (MMP), the Frequency corresponding to MMP (MAF), and Maximum Amplitude of the signal with MAF (MMA) are chosen as the classification features for the classification of MI brainwaves. The classification of MI brainwave signals is done using Linear Discriminant Analysis (LDA).