SPHARA--a generalized spatial Fourier analysis for multi-sensor systems with non-uniformly arranged sensors: application to EEG.
SPHARA--a generalized spatial Fourier analysis for multi-sensor systems with non-uniformly arranged sensors: application to EEG.
复制标题
DOI：
10.1371/journal.pone.0121741
复制
发表时间：
2015
期刊：
影响因子：
3.7
通讯作者：
Haueisen J
中科院分区：
文献类型：
--
作者：
Graichen U;Eichardt R;Fiedler P;Strohmeier D;Zanow F;Haueisen J
多通道脑电数据分析的重要要求是有效的信号增强、信号分解、特征提取和降维技术。我们提出了一种新的空间谐波分析方法（SPHARA），将经典的空间傅里叶分析扩展到定位在头部表面的非均匀EEG传感器。该方法基于定义在三角网格上的离散拉普拉斯-贝尔特拉米算子的特征分析。我们提出了几种离散化连续拉普拉斯-贝尔特拉米算子的方法，并比较了使用这些离散化方法计算得到的基函数的性质。我们将SPHARA应用于11名志愿者的体感诱发电位数据，验证了该方法对空间数据的分解、降维和噪声抑制的能力。当使用SPHARA进行降维时，与其他离散化方法相比，使用FEM方法可以获得更紧凑的表示。利用有限元法，平均只需要35%和58%的系数，就可以恢复95%和99%的脑电数据总能量。用人工数据证明了SPHARA的噪声抑制能力。我们得出结论，SPHARA可以用于任意位置的多传感器数据的空间谐波分析，并且可以用于各种其他应用。
Important requirements for the analysis of multichannel EEG data are efficient techniques for signal enhancement, signal decomposition, feature extraction, and dimensionality reduction. We propose a new approach for spatial harmonic analysis (SPHARA) that extends the classical spatial Fourier analysis to EEG sensors positioned non-uniformly on the surface of the head. The proposed method is based on the eigenanalysis of the discrete Laplace-Beltrami operator defined on a triangular mesh. We present several ways to discretize the continuous Laplace-Beltrami operator and compare the properties of the resulting basis functions computed using these discretization methods. We apply SPHARA to somatosensory evoked potential data from eleven volunteers and demonstrate the ability of the method for spatial data decomposition, dimensionality reduction and noise suppression. When employing SPHARA for dimensionality reduction, a significantly more compact representation can be achieved using the FEM approach, compared to the other discretization methods. Using FEM, to recover 95% and 99% of the total energy of the EEG data, on average only 35% and 58% of the coefficients are necessary. The capability of SPHARA for noise suppression is shown using artificial data. We conclude that SPHARA can be used for spatial harmonic analysis of multi-sensor data at arbitrary positions and can be utilized in a variety of other applications.
登录
查看更多内容
影响因子：
1
作者：
FUJIWARA, K
通讯作者：
FUJIWARA, K
影响因子：
2.7
作者：
De Lucia, Marzia;Michel, Christoph M.;Murray, Micah M.
通讯作者：
Murray, Micah M.
影响因子：
1.1
作者：
Dhillon, IS;Parlett, BN
通讯作者：
Parlett, BN
影响因子：
5.1
作者：
Brunner, Clemens;Naeem, Muhammad;Pfurtscheller, Gert
通讯作者：
Pfurtscheller, Gert
影响因子：
4.4
作者：
HAINES, GV
通讯作者：
HAINES, GV