Tytuł pozycji:
Comparison of lndependent aomponent analysis, linear regression and adaptive filtering for artifact removal in SSVEP registration
Artifacts pose a significant challenge in the analysis of EEG signals. In this study, the authors investigated the impact of artifacts on the detection of steady-state visually evoked potentials (SSVEPs). The article explored various techniques for physiological artifact elimination, including linear regression, adaptive filters, and independent component analysis (ICA). The effectiveness of the algorithms was evaluated using classification accuracy as a metric. The results indicate that the most promising outcomes were achieved with independent component analysis.
Artefakty odgrywają znaczącą rolę w analizie sygnałów EEG. Autorzy zbadali wpływ artefaktów na detekcję potencjałów wywołanych SSVEP. Artykuł przedstawia różne techniki eliminacji artefaktów fizjologicznych – regresję liniową, filtrację adaptacyjną oraz analizę składowych niezależnych (ICA). Efektywność algorytmów została oceniona z wykorzystaniem metryki jaką była skuteczność klasyfikacji. Wyniki wskazują, że najbardziej obiecujące wyniki osiągnięto dzięki analizie składowych niezależnych (ICA).
Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).
