EEG data classification using wavelet features selected by Wilcoxon statistics

This paper introduces a method to classify EEG signals using features extracted by an integration of wavelet transform and the nonparametric Wilcoxon test. Orthogonal Haar wavelet coefficients are ranked based on the Wilcoxon test’s statistics. The most prominent discriminant wavelets are assembled to form a feature set that serves as inputs to the naïve Bayes classifier. Two benchmark datasets, named Ia and Ib, downloaded from the brain–computer interface (BCI) competition II are employed for the experiments. Classification performance is evaluated using accuracy, mutual information, Gini coefficient and F-measure. Widely used classifiers, including feedforward neural network, support vector machine, k-nearest neighbours, ensemble learning Adaboost and adaptive neuro-fuzzy inference system, are also implemented for comparisons. The proposed combination of Haar wavelet features and naïve Bayes classifier considerably dominates the competitive classification approaches and outperforms the best performance on the Ia and Ib datasets reported in the BCI competition II. Application of naïve Bayes also provides a low computational cost approach that promotes the implementation of a potential real-time BCI system.

No evidence for mirror system dysfunction in schizophrenia from a multimodal TMS/EEG study

Dysfunctional mirror neuron systems have been proposed to contribute to the social cognitive deficits observed in schizophrenia. A few studies have explored mirror systems in schizophrenia using various techniques such as TMS (levels of motor resonance) or EEG (levels of mu suppression), with mixed results. This study aimed to use a novel multimodal approach (i.e. concurrent TMS and EEG) to further investigate mirror systems and social cognition in schizophrenia. Nineteen individuals with schizophrenia or schizoaffective disorder and 19 healthy controls participated. Single-pulse TMS was applied to M1 during the observation of hand movements designed to elicit mirror system activity. Single EEG electrodes (C3, CZ, C4) recorded brain activity. Participants also completed facial affect recognition and theory of mind tasks. The schizophrenia group showed significant deficits in facial affect recognition and higher level theory of mind compared to healthy controls. A significant positive relationship was revealed between mu suppression and motor resonance for the overall sample, indicating concurrent validity of these measures. Levels of mu suppression and motor resonance were not significantly different between groups. These findings indicate that in stable outpatients with schizophrenia, mirror system functioning is intact, and therefore their social cognitive difficulties may be caused by alternative pathophysiology.

EEG signal classification for BCI applications by wavelets and interval type-2 fuzzy logic systems

The nonlinear, noisy and outlier characteristics of electroencephalography (EEG) signals inspire the employment of fuzzy logic due to its power to handle uncertainty. This paper introduces an approach to classify motor imagery EEG signals using an interval type-2 fuzzy logic system (IT2FLS) in a combination with wavelet transformation. Wavelet coefficients are ranked based on the statistics of the receiver operating characteristic curve criterion. The most informative coefficients serve as inputs to the IT2FLS for the classification task. Two benchmark datasets, named Ia and Ib, downloaded from the brain-computer interface (BCI) competition II, are employed for the experiments. Classification performance is evaluated using accuracy, sensitivity, specificity and F-measure. Widely-used classifiers, including feedforward neural network, support vector machine, k-nearest neighbours, AdaBoost and adaptive neuro-fuzzy inference system, are also implemented for comparisons. The wavelet-IT2FLS method considerably dominates the comparable classifiers on both datasets, and outperforms the best performance on the Ia and Ib datasets reported in the BCI competition II by 1.40% and 2.27% respectively. The proposed approach yields great accuracy and requires low computational cost, which can be applied to a real-time BCI system for motor imagery data analysis.

Noise level classification for EEG using Hidden Markov Models

EEG signal is one of the most important signals for diagnosing some diseases. EEG is always recorded with an amount of noise, the more noise is recorded the less quality is the EEG signal. The included noise can represent the quality of the recorded EEG signal, this paper proposes a signal quality assessment method for EEG signal. The method generates an automated measure to detect the noise level of the recorded EEG signal. Mel-Frequency Cepstrum Coefficient is used to represent the signals. Hidden Markov Models were used to build a classification model that classifies the EEG signals based on the noise level associated with the signal. This EEG quality assessment measure will help doctors and researchers to focus on the patterns in the signal that have high signal to noise ratio and carry more information. Moreover, our model was applied on an uncontrolled environment and on controlled environment and a result comparison was applied.

Prosthetic motor imaginary task classification based on EEG quality assessment features

Brain Computer Interface (BCI) plays an important role in the communication between human and machines. This communication is based on the human brain signals. In these systems, users use their brain instead of the limbs or body movements to do tasks. The brain signals are analyzed and translated into commands to control any communication devices, robots or computers. In this paper, the aim was to enhance the performance of a brain computer interface (BCI) systems through better prosthetic motor imaginary tasks classification. The challenging part is to use only a single channel of electroencephalography (EEG). Arm movement imagination is the task of the user, where (s)he was asked to imagine moving his arm up or down. Our system detected the imagination based on the input brain signal. Some EEG quality features were extracted from the brain signal, and the Decision Tree was used to classify the participant's imagination based on the extracted features. Our system is online which means that it can give the decision as soon as the signal is given to the system (takes only 20 ms). Also, only one EEG channel is used for classification which reduces the complexity of the system which leads to fast performance. Hundred signals were used for testing, on average 97.4% of the up-down prosthetic motor imaginary tasks were detected correctly. This method can be used in many different applications such as: moving artificial limbs and wheelchairs due to it's high speed and accuracy.

EEG signal analysis for BCI application using fuzzy system

An approach to EEG signal classification for brain-computer interface (BCI) application using fuzzy standard additive model is introduced in this paper. The Wilcoxon test is employed to rank wavelet coefficients. Top ranking wavelets are used to form a feature set that serves as inputs to the fuzzy classifiers. Experiments are carried out using two benchmark datasets, Ia and Ib, downloaded from the BCI competition II. Prevalent classifiers including feedforward neural network, support vector machine, k-nearest neighbours, ensemble learning Adaboost and adaptive neuro-fuzzy inference system are also implemented for comparisons. Experimental results show the dominance of the proposed method against competing approaches.

Seguimento clinoceletrográfico de criançcas e adolescentes com crise epiléptica única não-provocada

Os fenômenos convulsivos despertaram o interesse de estudiosos e pensadores já na Antigüidade, quando aspectos mágicos e sobrenaturais eram a eles associados. No século XIX foram lançadas as bases dos conceitos atuais sobre a desestruturação funcional cerebral na epilepsia, e Berger, em 1929, marcou definitivamente a história com a descoberta dos ritmos cerebrais. Crise epiléptica e epilepsia não são sinônimos, já que o último termo refere-se a crises recorrentes espontâneas. Ela costuma iniciar na infância, daí a preocupação com o risco de repetição do primeiro episódio e com a decisão de instituir tratamento medicamentoso. Fatores prognósticos são apontados, mas não há consenso. No Brasil existem poucas pesquisas nesta linha, tanto de prevalência da epilepsia como de fatores envolvidos na recorrência de crises. Este estudo teve como objetivo geral avaliar aspectos clinicoeletrográficos capazes de auxiliar no prognóstico e no manejo da epilepsia da criança e do adolescente. Foram objetivos específicos determinar a incidência de crise epiléptica não provocada recorrente; identificar fatores remotos implicados na ocorrência de crise epiléptica; relacionar tipo de crise com achados eletrencefalográficos; relacionar tipo de crise, duração da crise, estado vigília/sono no momento da crise e achados eletrencefalográficos com possibilidade de recorrência; e identificar os fatores de risco para epilepsia. Foram acompanhados 109 pacientes com idades entre 1 mês e 16 anos, com primeira crise não-provocada, em média por 24 meses, a intervalos trimestrais, no Hospital de Clínicas de Porto Alegre (HCPA). Foram realizados eletrencefalogramas (EEG) após a primeira crise; depois, solicitados anualmente. Não foram incluídos casos com epilepsia ou síndrome epiléptica bem definida, ou que fizeram uso prévio de drogas antiepilépticas. A média de idade foi 6 anos, com predomínio da faixa etária de 6 a 12 anos. Setenta eram meninos e 39, meninas. Os indivíduos brancos eram 92, e os não-brancos, 17. O nível de escolaridade dos casos esteve de acordo com a distribuição da idade e, entre os responsáveis, predominaram 8 anos de escolaridade. Foi possível concluir que as crises únicas não-provocadas mais freqüentes foram generalizadas, e sem predomínio significativo do tipo de EEG. A incidência de crise não-provocada recorrente foi 51,4%. História de intercorrências pré-natais maternas aumentou em 2 vezes o risco de repetição de crises. Via de nascimento, escore de Apgar no 5º minuto, relação peso ao nascer/idade gestacional, intercorrências no período pós-natal imediato e desenvolvimento neuropsicomotor não tiveram influência na recorrência. História familiar de crises mostrou tendência à significância estatística para repetição dos episódios, com risco de 1,7. Não foi encontrada associação entre tipo de crise e achado eletrencefalográfico. A maioria das crises foi de curta duração (até 5 minutos), mas este dado não esteve relacionado com a recorrência. Estado de vigília teve efeito protetor na recorrência. Se a primeira crise foi parcial, o risco de repetição foi 1,62, com tendência à significância. Quando o primeiro EEG foi alterado, houve relação significativa com primeira crise tanto generalizada como parcial. O primeiro EEG com alterações paroxísticas focais apontou risco de repetição de 2,90. Quando as variáveis envolvidas na repetição de crises foram ajustadas pelo modelo de regressão de Cox, EEG alterado mostrou risco de 2,48, com riscos acumulados de 50%, 60%, 62% e 68%; com EEG normal, os riscos foram 26%, 32%, 34% e 36% em 6, 12, 18 e 24 meses respectivamente.

Valor prognóstico das expressões da proteína p53 e do fator de crescimento do endotélio vascular em pacientes com carcinoma epidermóide de esôfago submetidos a esofagectomia

As mutações no gene de supressão tumoral p53 estão entre as anormalidades genéticas mais comuns encontradas numa ampla variedade de tumores. Embora a função do gene p53 ainda não esteja completamente esclarecida, ele parece ser um fator de transcrição nuclear que controla a proliferação celular, a apoptose e a manutenção da estabilidade genética. A angiogênese é essencial para o crescimento e a metastatização de tumores sólidos. O Fator de Crescimento do Endotélio Vascular (VEGF, Vascular Endothelial Growth Factor), um fator de crescimento identificado recentemente com propriedades angiogênicas significativas, pode ser um importante regulador da angiogênese tumoral. A associação entre as expressões da proteína p53 e do VEGF e o prognóstico tem sido pouco estudada. Foram estudadas peças cirúrgicas de 47 pacientes com carcinoma epidermóide de esôfago (CEE) submetidos à esofagectomia em estágios II e III, utilizando-se coloração imuno-histoquímica. As expressões da proteína p53 e do VEGF foram observadas em 53% e 40% dos tumores, respectivamente. As expressões da proteína p53 e do VEGF coincidiram em somente 21% dos casos, e não foi encontrada correlação entre elas. Nenhum dos fatores clinicopatológicos se correlacionaram significativamente com as expressões da proteína p53 ou do VEGF. Em relação ao prognóstico, não havia associação significativa entre as expressões da proteína p53 e do VEGF e pior prognóstico. Os autores concluem que tanto a expressão da proteína p53 como a expressão do VEGF não se correlacionaram com o prognóstico em pacientes com CEE em estágios II e III.

Relação entre estadiamento, características histopatológicas, proliferação celular e prognóstico de carcinoma espinocelular de língua

O objetivo deste trabalho foi avaliar a correlação entre parâmetros clínicos (TNM), graduação histopatológica, número de AgNORs por núcleo e expressão de Ki-67 na zona de invasão com o prognóstico de carcinoma espinocelular de língua. Foram selecionados dez casos de carcinoma espinocelular de língua e divididos em dois grupos: bom prognóstico (ausência de metástases á distância e/ou regionais, sobrevida livre de doença) e mau prognóstico (presença de metástases, recidiva, óbito). O material de biópsia foi submetido às técnicas de hematoxilina/eosina, de impregnação pela prata para evidenciação das NORs e de detecção imunohistoquímica do antígeno de proliferação nuclear Ki-67. Concluiu-se que T4 por si só já é um indicador de mau prognóstico e que nos tumores de grau II, a proliferação celular pode refletir o prognóstico do tumor.