On the use of EEG features towards person identification via neural networks
Φόρτωση...
Ημερομηνία
Συγγραφείς
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
peer-reviewed
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Med Inform Internet Med
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Person identification based on spectral information extracted from the EEG is addressed in this work a problem that has not yet been seen in a signal processing framework. Spectral features are extracted non-parametrically from real EEG data recorded from healthy individuals. Neural network classification is applied on these features using a Learning Vector Quantizer in an attempt to experimentally investigate the connection between a person's EEG and genetically specific information. The proposed method, compared with previously proposed methods, has yielded encouraging correct classification scores in the range of 80% to 100% (case-dependent). These results are in agreement with previous research showing evidence that the EEG carries genetic information.
Περιγραφή
Λέξεις-κλειδιά
Adult, Alpha Rhythm, Anthropology, Physical/*methods, Beta Rhythm, Electroencephalography/*methods, False Negative Reactions, False Positive Reactions, Female, Fourier Analysis, Humans, Male, Medical Informatics Applications, Medical Informatics Computing, Middle Aged, *Neural Networks (Computer), Patient Identification Systems/*methods, Pedigree, Sensitivity and Specificity, *Signal Processing, Computer-Assisted, Theta Rhythm
Θεματική κατηγορία
Παραπομπή
Σύνδεσμος
http://www.ncbi.nlm.nih.gov/pubmed/11583407
Γλώσσα
en
Εκδίδον τμήμα/τομέας
Όνομα επιβλέποντος
Εξεταστική επιτροπή
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών Υγείας. Τμήμα Ιατρικής