Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Comparison of Adaptive Spatial Filters with Heuristic and Optimized Region of Interest for EEG Based Brain-Computer-Interfaces

Liefhold, C., Grosse-Wentrup, M., Gramann, K., & Buss, M. (2007). Comparison of Adaptive Spatial Filters with Heuristic and Optimized Region of Interest for EEG Based Brain-Computer-Interfaces. In A. Hamprecht, C. Schnörr, & B. Jähne (Eds.), Pattern Recognition: 29th DAGM Symposium, Heidelberg, Germany, September 12-14, 2007 (pp. 274-283). Berlin, Germany: Springer.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-CBD9-3 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0003-D215-8
Genre: Konferenzbeitrag

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
https://link.springer.com/content/pdf/10.1007%2F978-3-540-74936-3_28.pdf (Verlagsversion)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Liefhold, C1, Autor           
Grosse-Wentrup, M1, Autor           
Gramann, K, Autor
Buss, M, Autor
Affiliations:
1External Organizations, ou_persistent22              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: Research on EEG based brain-computer-interfaces (BCIs) aims at steering devices by thought. Even for simple applications, BCIs require an extremely effective data processing to work properly because of the low signal-to-noise-ratio (SNR) of EEG signals. Spatial filtering is one successful preprocessing method, which extracts EEG components carrying the most relevant information. Unlike spatial filtering with Common Spatial Patterns (CSP), Adaptive Spatial Filtering (ASF) can be adapted to freely selectable regions of interest (ROI) and with this, artifacts can be actively suppressed. In this context, we compare the performance of ASF with ROIs selected using anatomical a-priori information and ASF with numerically optimized ROIs. Therefore, we introduce a method for data driven spatial filter adaptation and apply the achieved filters for classification of EEG data recorded during imaginary movements of the left and right hand of four subjects. The results show, that in the case of artifact-free datasets, ASFs with numerically optimized ROIs achieve classification rates of up to 97.7 while ASFs with ROIs defined by anatomical heuristic stay at 93.7 for the same data. Otherwise, with noisy datasets, the former brake down (66.7 ) while the latter meet 95.7 .

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2007-09
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: DOI: 10.1007/978-3-540-74936-3_28
BibTex Citekey: 4984
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: 29th Annual Symposium of the German Association for Pattern Recognition (DAGM 2007)
Veranstaltungsort: Heidelberg, Germany
Start-/Enddatum: 2007-09-12 - 2007-09-14

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Pattern Recognition: 29th DAGM Symposium, Heidelberg, Germany, September 12-14, 2007
Genre der Quelle: Konferenzband
 Urheber:
Hamprecht, A, Herausgeber
Schnörr, C, Herausgeber
Jähne, B, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Berlin, Germany : Springer
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 274 - 283 Identifikator: ISBN: 978-3-540-74933-2

Quelle 2

einblenden:
ausblenden:
Titel: Lecture Notes in Computer Science
Genre der Quelle: Reihe
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 4713 Artikelnummer: - Start- / Endseite: - Identifikator: -