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.

Implementação de classificador de tarefas mentais baseado em EEG

BARBOSA, André F. ; SOUZA, Bryan C. ; PEREIRA JUNIOR, Antônio ; MEDEIROS, Adelardo A. D.de, . Implementação de Classificador de Tarefas Mentais Baseado em EEG. In: CONGRESSO BRASILEIRO DE REDES NEURAIS, 9., 2009, Ouro Preto, MG. Anais... Ouro Preto, MG, 2009

Um sistema inteligente de classificação de sinais de EEG para Interface Cérebro-Computador

The Brain-Computer Interfaces (BCI) have as main purpose to establish a communication path with the central nervous system (CNS) independently from the standard pathway (nervous, muscles), aiming to control a device. The main objective of the current research is to develop an off-line BCI that separates the different EEG patterns resulting from strictly mental tasks performed by an experimental subject, comparing the effectiveness of different signal-preprocessing approaches. We also tested different classification approaches: all versus all, one versus one and a hierarchic classification approach. No preprocessing techniques were found able to improve the system performance. Furthermore, the hierarchic approach proved to be capable to produce results above the expected by literature

Monitorização vídeo-EEG prolongada em crises não epilépticas: semiologia clínica

O objetivo deste estudo foi mostrar a contribuição da monitorização vídeo-EEG prolongada (MVEP) no diagnóstico de crises não epilépticas (CNE) e estimar sua prevalência em um centro terciário de atendimento à Epilepsia (EP). Foram observados 47 pacientes com diagnóstico de CNE com crises espontâneas ou provocadas. Foram instituídos protocolos direcionados à história clínica e à semiologia das crises. A análise estatística baseou-se no teste de Fisher e na análise de cluster. Os resultados evidenciaram prevalência de 10% de CNE. Houve predominância do sexo feminino (63,8%); em 57% dos pacientes as crises foram espontâneas. A média de idade foi 32,5 ± 11anos. O sinal semiológico mais freqüente foi o sono aparente (87,2%). em 9% dos pacientes observaram-se tanto EP como CNE. Três agrupamentos resultaram da análise de cluster: CNE hipermotora das extremidades com alteração de tônus; CNE com automatismos e CNE axial com movimentos oculares. em conclusão, o estudo da semiologia clínica das CNE durante a MVEP contribui para o diagnóstico desta entidade nosológica e para o diagnóstico diferencial com EP; o teste provocativo auxilia na obtenção das crises.

O EEG na insuficiencia renal cronica. I. Atividade de fundo em repouso e durante ativacao

We examined the EEG of 88 patients with chronic renal failure (80 adults and 8 children) submitted to different types of treatment such as hemodialysis, peritoneal dialisys, renal transplantation, and ambulatory follow-up. The main alteration observed was diffuse disorganization of background activity. The following features were detected in decreasing order of frequency: low-voltage EEG, triphasic waves, abnormal waking reactions, and paradoxal alpha rhythm. The children showed abnormal alpha rhythm. The alterations induced by intermittent photic stimulation in our patients were minimal, and this was the main difference in relation to data reported by other authors in EEG studies on patients with chronic uremia.

O EEG na insuficiencia renal cronica. II. Atividades paroxisticas

The authors describe paroxismal epileptiform EEG abnormalities in patients with chronic renal failure. One patient presented paroxismal epileptiform abnormalities in the right parietal region which proceded partial oculo-clonic motor seizures followed by a stroke localized in the same region. This was the main electroclinical correlation found, which, however, was not observed in other patients. Dialysis sessions may improve or worsen these paroxismal epileptiform abnormalities.

O EEG na insuficiencia renal cronica. III. Valor prognostico

In 1983 and 1984 we performed a longitudinal 1-year follow-up study of 15 patients with chronic renal failure, 8 of whom were on hemodialysis and 7 on peritoneal dialysis. The EEG abnormalities of these patients were catalogued and filed and the patients' medical records were examined 5 years later for an analysis of their clinical evolution. Old age EEG findings were detected in young patients with chronic renal failure who died. We conclude that old age EEG findings in patients of any age with chronic renal failure represent a poor prognosis. In contrast, EEG asynchronies are associated with severe uremic encephalopathy but are reversible, since these phenomena were fully reversed together with all clinical alterations in a patient who later received a renal transplant.

Desenvolvimento pós-natal do EEG em cães normais: avaliação visual qualitativa e quantitativa até 45 dias de vida

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Detecção de potenciais corticais antecipatórios em sinais de eletroencefalografia (EEG) durante a condução de carros

O reconhecimento da intenção do condutor a partir de sinais de eletroencefalografia (EEG) pode ser útil no desenvolvimento de interfaces cérebro computador (BCI) para serem usadas em sinergia com veículos inteligentes. Isso pode ser benéfico para melhorar a qualidade de interação entre o motorista e o carro, por exemplo, fornecendo uma resposta do carro inteligente alinhada com a intenção do motorista. Neste estudo, considera-se a antecipação como sendo o estado cognitivo que leva a ações especificas durante a condução de um automóvel. Portanto, propomos investigar a presença de padrões antecipatórios em sinais EEG durante a condução de veículos para determinar duas ações especifícas (1) virar à esquerda e (2) virar à direita, alguns milissegundos antes que tais ações aconteçam. Um protocolo experimental foi proposto para gravar sinais EEG de 5 indivíduos enquanto eles operam um simulador de realidade virtual não invasiva - que foi projetado para tal experimento - que simula a condução de um carro virtual. O protocolo experimental é uma variante do paradigma da variação negativa contingente (CNV) com condições Go e No-go no sistema de condução de realidade virtual. Os resultados apresentados neste estudo indicam a presença de padrões antecipatórios em potenciais corticais lentos observados no domínio do tempo (medias dos sinais EEG) e da frequência (Power Spectra e coerência de fase). Isso abre um leque de possibilidades no desenvolvimento de sistemas BCI - baseados em sinais antecipatórios - que conectem o motorista ao veiculo inteligente favorecendo uma tomada de decisão que analise as intenções dos condutores podendo eventualmente evitar acidentes durante a condução.

Quantitative EEG evaluation in patients with acute encephalopathy

Objetivos Investigar o uso do EEG quantitativo (qEEG) em pacientes com encefalopatias agudas (EAs ) e anormalidades da atividade de base no EEG. Método s pacientes foram divididos em prognóstico favorável (grupo A, 43 pacientes) e desfavorável (grupo B, 5 pacientes). O programa EEGLAB foi utilizado para a análise do qEEG. Um gráfico da potência espectral de todos os canais foi gerado para cada participante. Os dois grupos foram comparados estatisticamente. Resultados No grupo A, a análise espectral revelou picos (frequências teta e alfa) em 84% (38/45) dos pacientes. No grupo B, um pico espectral na frequência delta foi detectado em um paciente. Os pacientes remanescentes dos dois grupos não apresentaram picos espectrais. A análise estatística mostrou menores frequências registradas nos eletrodos posteriores dos pacientes do grupo B. Conclusão O qEEG pode ser útil na avaliação de pacientes com EAs auxiliando na determinação do prognóstico.