Dergiler / Marmara Medical Journal / 2006 / Cilt: 19 - Sayı: 1

EEG temelli olay-ilişki beyin dalgalarının istatistiksel zaman serileri ile modellenmesi

Modelling the EEG event-related brainwaves using statistical times series

Sayfa
6–12
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bulgular: Yapılna çalışma göstermektedirki her bir katılımcının omitted stimulus paradigması için alfa tepkisi, ARIMA (0,2,1) tipindeki zaman serisiyle en iyi modellenebilmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Amaç: Çalışmanın amacı beyinin olay ilişki aktivesinin alfa osilasyonlarının ARIMA modeliye açıklamaktır.
📊
Temel Bulgular & Veri:Yöntem: Çalışan örneklem 17 (11 erkek, 6 kadın) sağ elini kullanan, sağlıklı gönüllerden oluşmuştur.
💡
Sonuç & Katkı:Bulgular: Yapılna çalışma göstermektedirki her bir katılımcının omitted stimulus paradigması için alfa tepkisi, ARIMA (0,2,1) tipindeki zaman serisiyle en iyi modellenebilmektedir.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Amaç: Çalışmanın amacı beyinin olay ilişki aktivesinin alfa osilasyonlarının ARIMA modeliye açıklamaktır. Yöntem: Çalışan örneklem 17 (11 erkek, 6 kadın) sağ elini kullanan, sağlıklı gönüllerden oluşmuştur. Olay ilişkili aktivite omitted stimulus paradigması altında kaydedilmiştir. Alfa tepkisi sayısal filtreyle elde edilmiştir. Her katılımcının alfa tepksi ayrı ayrı analiz edilmiştir. Bulgular: Yapılna çalışma göstermektedirki her bir katılımcının omitted stimulus paradigması için alfa tepkisi, ARIMA (0,2,1) tipindeki zaman serisiyle en iyi modellenebilmektedir. Sonuç: Yapılan çalışma atlanmış uyarıcı paradigması altında elde edilmiş, bir katılımcının alfa tepkilerinin en iyi ARIMA (0, 2, 1) zaman serisiyle modellendiğini göstermiştir.

Abstract

Objective: The aim of this study was to test whether the alpha oscillation in the auditory event-related activity of the brain can be explained using an ARIMA model. Methods: The sample consisted of 17 (11 males, 6 females), right-handed, healthy, volunteer participants. Event-related activity was recorded under the omitted stimulus paradigm. Alpha response was obtained through digital filtering. The alpha response of each participant was separately analyzed. Results: The ARIMA(0,2,1) model was found to be applicable to alpha response that was evoked by stimulus omission. ARIMA (0,2,1) shows that this activity is short-lasting and it fluctuates stochastically. Conclusion: The present study showed that the alpha responses of single participants obtained under the omitted stimulus paradigm were best modeled by the ARIMA (0, 2, 1) type of time series model.

🔖

Bu Makaleye Atıf Yap

ERZENGİN, Ö. U., SÜMBÜLOĞLU, V., KARAKAŞ, S. (2006). EEG temelli olay-ilişki beyin dalgalarının istatistiksel zaman serileri ile modellenmesi. Marmara Medical Journal, Cilt: 19 - Sayı: 1, 6–12. https://ajindex.com/articles/284104

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (1)

  1. Karakaş S, Erzengin ÖU, Başar E. A new strategy involving multiple cognitive paradigms demonstrates that ERP components are determined by the superposition of oscillatory responses. Clin Neurophysiol 2000; 111: 1719-1732 2) Başar E. EEG-Brain Dynamics: Relation between EEG and Brain Evoked-Potentials. Amsterdam: Elsevier Publication,1980. 3) Brandt ME, Jansen BH. The relationship between prestimulus alpha amplitude and visual evoked potential amplitude. Int J Neurosci 1991; 61: 261-8. 4) Jervis BW, Nichols MJ, Johnson TE, Allen, Hudson NR. A fundamental investigation of the composition of auditory evoked potentials. IEEE Trans Biomed Eng 1983; 30: 43-49. 5) Kolev V, Yordanova J. Analysis of phase-locking is informative for studying event-related EEG activity. Biol Cybern 1997; 96: 229-235. 6) Parvin C, Torres F, Johnson E. Synchronization of single evoked response components: Estimation and interrelation of reproducibility measures. In Rhythmic EEG Activities and Cortical Functioning. Amsterdam: Elsevier, 1980. 7) Röschke J, Mann K, Riemann D, Frank C, Fell J. Sequential analysis of the brain�s transfer properties during consecutive REM periods. Electroencephalogr Clin Neurophysiol 1995; 96: 390-397. 8) Solodovnikov VV. Introduction to the Statistical Dynamics of Automatic Control Systems. New York: Dover Publications 1960. 9) Başar E. Brain Function and Oscillations I: Brain Oscillations. Principles and Approaches Heidelberg: Springer-Verlag 1998. 10) Başar E. Brain Function and Oscillations II: Integrative Brain Function. Neurophysiology and Cognitive Processes. Heidelberg: Springer-Verlag 1999. 11) Cohen L. Time-frequency distributions: A review. Proc IEEE 1989; 77 (7): 941-81. 12) Demiralp T, Ademoğlu A, Schürmann M, Başar E. Wavelet analysis of brain waves. In Başar E, editor. Brain Function and Oscillations: I. Brain Oscillations. Principles and Approaches. Heidelberg: Springer-Verlag 1998. 13) Demiralp T, Ademoğlu A, Schürmann M, Başar-Eroğlu C, Başar E. Detection of P300 in single trials by the wavelet transform (WT). Brain Lang 1999; 66: 108-128. 14) Özdemir AK., Karakaş S, Çakmak ED, Tüfekçi Dİ., Arıkan O. Time-frequency component analyser and its application to brain oscillatory activity. Journal of Neuroscience Methods 2005; 145: 107-125. 15) Rosso OA, Blanco S, Yordanova J, Kolev V, Figliola A, Schürmann M, Başar E. Wavelet entropy: A new tool for analysis of short-duration brain electrical signals. J Neurosci Methods 2001; 105: 65-75. 16)