Objective: Common spatial pattern (CSP) is a common filter technique used for pre-processing of electroencephalography (EEG) signals for imaginary movement classification tasks. It is crucial to reduce the amount of features especially in cases where few data is available. Therefore, different approaches to reduce the amount of electrodes used for CSP calculation are tried in this research.
Methods: Freely available EEG datasets are used for the evaluation. To evaluate the approaches a simple classification pipeline consisting mainly of the CSP calculation and linear discriminant analysis for classification is used. A baseline over all electrodes is calculated and compared against the results of the approaches.
Results: The most promising approach is to use the ability of CSP to provide information about the origin of the created filter. An algorithm that extracts the important electrodes from the CSP utilizing these information is proposed.The results show that using subject specific electrode positions has a positive impact on accuracy for the classification task. Further, it is shown that good performing electrode combinations in one session are not necessarily good performing electrodes in another session of the same subject. In addition to the combinations calculated using the developed algorithm, 26 additional electrode combinations are proposed. These can be taken into account when selecting well-performing electrode combinations. In this research we could achieve an accuracy improvement of over 10%.
Conclusions: Carefully selecting the correct electrode combination can improve accuracy for classifying an imaginary movement task.
Ziel: Common Spatial Patterns (CSP) ist eine gängige Filtertechnik, die für die Vorverarbeitung von Elektroenzephalographie-Signalen (EEG) zur Klassifizierung gedachter Bewegungen verwendet wird. Besonders in Fällen, in denen nur wenige Daten verfügbar sind, ist es wichtig, die Anzahl der Merkmale zu reduzieren. In dieser Forschungsarbeit werden verschiedene Ansätze zur Reduzierung der Anzahl der für die CSP-Berechnung verwendeten Elektroden untersucht.
Methoden: Frei verfügbare EEG-Datensätze werden für die Evaluierung genutzt. Dazu wird eine einfache Klassifizierungspipeline bestehend aus CSP und linearer Diskriminanzanalyse zur Klassifizierung genutzt. Es wird eine Basislinie unter Nutzung aller Elektroden berechnet und diese mit den Ergebnissen der verschiedenen Ansätze verglichen.
Ergebnisse: Der vielversprechendste Ansatz besteht darin, die Fähigkeit von CSP zu nutzen, Informationen über den Ursprung des erstellten Filters zu liefern. Es wird ein Algorithmus vorgeschlagen, der diese Fähigkeit ausnutzt und so wichtige Elektroden aus dem CSP extrahiert.Die Ergebnisse zeigen, dass die Verwendung von probandenspezifischen Elektrodenpositionen eine positive Auswirkung auf die Genauigkeit der Klassifizierungsaufgabe hat. Außerdem wird gezeigt, dass Elektrodenkombinationen, die in einem Versuch gut funktionieren, nicht unbedingt auch in einem anderen Versuch desselben Probanden gut abschneiden. Zusätzlich zu den mit Hilfe des entwickelten Algorithmus berechneten Kombinationen werden 26 weitere Elektrodenkombinationen vorgeschlagen. Diese können bei der Auswahl gut funktionierender Elektrodenkombinationen berücksichtigt werden. In dieser Arbeit konnten wir damit eine Verbesserung der Genauigkeit von über 10% erzielen.
Schlussfolgerung: Die sorgfältige Auswahl der richtigen Elektrodenkombination kann die Genauigkeit bei der Klassifizierung von einer gedachten Bewegung verbessern.
Keywords: algorithms; electroencephalography; statistics.
Copyright © 2024 Wetzel et al.