On the identification of an ICA Algorithm for Auditory Evoked Potentials extraction: A Study on Synthetic Data.
Saved in:
| Title: | On the identification of an ICA Algorithm for Auditory Evoked Potentials extraction: A Study on Synthetic Data. |
|---|---|
| Authors: | Castañeda-Villa, N.1 ncv@xanum.uam.mx, Calderón-Ríos, E. R.1, Jiménez-González, A.1 |
| Source: | Revista Mexicana de Ingeniería Biomédica. may-ago2015, Vol. 36 Issue 2, p107-119. 13p. 3 Charts, 4 Graphs. |
| Subjects: | INDEPENDENT component analysis, AUDITORY evoked response, ELECTROMYOGRAPHY, DATA mining, BLINKING (Physiology), INTERFERENCE (Telecommunication) |
| Abstract (English): | Extracting characteristics and information from Auditory Evoked Potentials recordings (AEPs) involves difficulties due to their very low amplitude, which makes the AEPs easily hidden by artifacts from physiological or external sources like the EEG/EMG, blinking, and line-noise. To tackle this problem, some authors have used Independent Component Analysis (ICA) to successfully de-noise brain signals. However, since interest has been mainly focused on removing artifacts like blinking, not much attention has been paid to the quality of the recovered evoked potential. This is the AEP case, where literature reports interesting results on the de-noising matter, but without an objective evaluation of the AEP finally extracted (and the influence of different implementations or configurations of ICA). Here, to study the performance of three popular ICA algorithms (FastICA, Ext-Infomax, and SOBI) at separating AEPs from a mixture, a synthetic dataset composed of one Long Latency Auditory Evoked Potential (LLAEP) signal and the most frequent artifacts was generated. Next, the quality of the independent components (ICs) estimated by such algorithms was measured by using the AMARI performance index (Am), the signal interference ratio index (SIR), and the time required to achieve separation. Results indicated that the FastICA implementation, with the symmetric approach and the power cubic contrast function, is more likely to provide the best and faster separation of the LLAEP, which makes it suitable for this purpose. [ABSTRACT FROM AUTHOR] |
| Abstract (Spanish): | La extracción de características e información de los registros de Potenciales Evocados Auditivos (AEPs) es complicada debido a su baja energía, la que lo hace fácilmente enmascarable por artefactos de origen fisiológico o externo, como el EEG/EMG, el parpadeo y el ruido de línea. Este problema ha sido abordado por algunos autores mediante el uso del Análisis por Componentes Independientes (ICA, por sus siglas en inglés), que se ha utilizado principalmente para reducir artefactos. Estos trabajos han enfocado su interés en la tarea de remover artefactos como el parpadeo, por lo que han descuidado el estudio de la calidad del potencial evocado recuperado. Este es el caso del AEP, donde aun cuando la literatura reporta resultados interesantes en la reducción de artefactos, no existe una evaluación objetiva del AEP finalmente extraído (y el efecto de usar diferentes implementaciones/configuraciones de ICA). En este trabajo, con el objetivo de cuantificar el desempeño de tres algoritmos de ICA (FastICA, Ext-Infomax, y SOBI) en la calidad de la separación de los AEPs, se generó una mezcla sintética de señales compuesta por un Potencial Evocado Auditivos de Latencia Larga (LLAEP) y artefactos frecuentemente presentes en estos registros. Después, se cuantificó la calidad de los componentes independientes (ICs, por sus siglas en inglés) estimados por estos algoritmos utilizando el índice de desempeño (AMARI, por sus siglas en inglés) el índice de la relación de interferencia entre señales (SIR, por sus siglas en inglés) y el tiempo requerido para realizar la separación. Los resultados indican que FastICA, con el enfoque simétrico y la función de contraste potencia cúbica, proporciona la mejor y más rápida separación del LLAEP, lo que lo vuelve idóneo para esta tarea. [ABSTRACT FROM AUTHOR] |
| Copyright of Revista Mexicana de Ingeniería Biomédica is the property of Sociedad Mexicana de Ingenieria Biomedica, A.C. and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.) | |
| Database: | MedicLatina |
| FullText | Links: – Type: pdflink Text: Availability: 0 |
|---|---|
| Header | DbId: lth DbLabel: MedicLatina An: 110277721 AccessLevel: 6 PubType: Academic Journal PubTypeId: academicJournal PreciseRelevancyScore: 0 |
| IllustrationInfo | |
| Items | – Name: Title Label: Title Group: Ti Data: On the identification of an ICA Algorithm for Auditory Evoked Potentials extraction: A Study on Synthetic Data. – Name: Author Label: Authors Group: Au Data: <searchLink fieldCode="AR" term="%22Castañeda-Villa%2C+N%2E%22">Castañeda-Villa, N.</searchLink><relatesTo>1</relatesTo><i> ncv@xanum.uam.mx</i><br /><searchLink fieldCode="AR" term="%22Calderón-Ríos%2C+E%2E+R%2E%22">Calderón-Ríos, E. R.</searchLink><relatesTo>1</relatesTo><br /><searchLink fieldCode="AR" term="%22Jiménez-González%2C+A%2E%22">Jiménez-González, A.</searchLink><relatesTo>1</relatesTo> – Name: TitleSource Label: Source Group: Src Data: <searchLink fieldCode="JN" term="%22Revista+Mexicana+de+Ingeniería+Biomédica%22">Revista Mexicana de Ingeniería Biomédica</searchLink>. may-ago2015, Vol. 36 Issue 2, p107-119. 13p. 3 Charts, 4 Graphs. – Name: Subject Label: Subjects Group: Su Data: <searchLink fieldCode="DE" term="%22INDEPENDENT+component+analysis%22">INDEPENDENT component analysis</searchLink><br /><searchLink fieldCode="DE" term="%22AUDITORY+evoked+response%22">AUDITORY evoked response</searchLink><br /><searchLink fieldCode="DE" term="%22ELECTROMYOGRAPHY%22">ELECTROMYOGRAPHY</searchLink><br /><searchLink fieldCode="DE" term="%22DATA+mining%22">DATA mining</searchLink><br /><searchLink fieldCode="DE" term="%22BLINKING+%28Physiology%29%22">BLINKING (Physiology)</searchLink><br /><searchLink fieldCode="DE" term="%22INTERFERENCE+%28Telecommunication%29%22">INTERFERENCE (Telecommunication)</searchLink> – Name: Abstract Label: Abstract (English) Group: Ab Data: Extracting characteristics and information from Auditory Evoked Potentials recordings (AEPs) involves difficulties due to their very low amplitude, which makes the AEPs easily hidden by artifacts from physiological or external sources like the EEG/EMG, blinking, and line-noise. To tackle this problem, some authors have used Independent Component Analysis (ICA) to successfully de-noise brain signals. However, since interest has been mainly focused on removing artifacts like blinking, not much attention has been paid to the quality of the recovered evoked potential. This is the AEP case, where literature reports interesting results on the de-noising matter, but without an objective evaluation of the AEP finally extracted (and the influence of different implementations or configurations of ICA). Here, to study the performance of three popular ICA algorithms (FastICA, Ext-Infomax, and SOBI) at separating AEPs from a mixture, a synthetic dataset composed of one Long Latency Auditory Evoked Potential (LLAEP) signal and the most frequent artifacts was generated. Next, the quality of the independent components (ICs) estimated by such algorithms was measured by using the AMARI performance index (Am), the signal interference ratio index (SIR), and the time required to achieve separation. Results indicated that the FastICA implementation, with the symmetric approach and the power cubic contrast function, is more likely to provide the best and faster separation of the LLAEP, which makes it suitable for this purpose. [ABSTRACT FROM AUTHOR] – Name: Abstract Label: Abstract (Spanish) Group: Ab Data: La extracción de características e información de los registros de Potenciales Evocados Auditivos (AEPs) es complicada debido a su baja energía, la que lo hace fácilmente enmascarable por artefactos de origen fisiológico o externo, como el EEG/EMG, el parpadeo y el ruido de línea. Este problema ha sido abordado por algunos autores mediante el uso del Análisis por Componentes Independientes (ICA, por sus siglas en inglés), que se ha utilizado principalmente para reducir artefactos. Estos trabajos han enfocado su interés en la tarea de remover artefactos como el parpadeo, por lo que han descuidado el estudio de la calidad del potencial evocado recuperado. Este es el caso del AEP, donde aun cuando la literatura reporta resultados interesantes en la reducción de artefactos, no existe una evaluación objetiva del AEP finalmente extraído (y el efecto de usar diferentes implementaciones/configuraciones de ICA). En este trabajo, con el objetivo de cuantificar el desempeño de tres algoritmos de ICA (FastICA, Ext-Infomax, y SOBI) en la calidad de la separación de los AEPs, se generó una mezcla sintética de señales compuesta por un Potencial Evocado Auditivos de Latencia Larga (LLAEP) y artefactos frecuentemente presentes en estos registros. Después, se cuantificó la calidad de los componentes independientes (ICs, por sus siglas en inglés) estimados por estos algoritmos utilizando el índice de desempeño (AMARI, por sus siglas en inglés) el índice de la relación de interferencia entre señales (SIR, por sus siglas en inglés) y el tiempo requerido para realizar la separación. Los resultados indican que FastICA, con el enfoque simétrico y la función de contraste potencia cúbica, proporciona la mejor y más rápida separación del LLAEP, lo que lo vuelve idóneo para esta tarea. [ABSTRACT FROM AUTHOR] – Name: AbstractSuppliedCopyright Label: Group: Ab Data: <i>Copyright of Revista Mexicana de Ingeniería Biomédica is the property of Sociedad Mexicana de Ingenieria Biomedica, A.C. and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract.</i> (Copyright applies to all Abstracts.) |
| PLink | https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=lth&AN=110277721 |
| RecordInfo | BibRecord: BibEntity: Identifiers: – Type: doi Value: 10.17488/RMIB.36.2.2pdf Languages: – Code: eng Text: English PhysicalDescription: Pagination: PageCount: 13 StartPage: 107 Subjects: – SubjectFull: INDEPENDENT component analysis Type: general – SubjectFull: AUDITORY evoked response Type: general – SubjectFull: ELECTROMYOGRAPHY Type: general – SubjectFull: DATA mining Type: general – SubjectFull: BLINKING (Physiology) Type: general – SubjectFull: INTERFERENCE (Telecommunication) Type: general Titles: – TitleFull: On the identification of an ICA Algorithm for Auditory Evoked Potentials extraction: A Study on Synthetic Data. Type: main BibRelationships: HasContributorRelationships: – PersonEntity: Name: NameFull: Castañeda-Villa, N. – PersonEntity: Name: NameFull: Calderón-Ríos, E. R. – PersonEntity: Name: NameFull: Jiménez-González, A. IsPartOfRelationships: – BibEntity: Dates: – D: 01 M: 05 Text: may-ago2015 Type: published Y: 2015 Identifiers: – Type: issn-print Value: 01889532 Numbering: – Type: volume Value: 36 – Type: issue Value: 2 Titles: – TitleFull: Revista Mexicana de Ingeniería Biomédica Type: main |
| ResultId | 1 |
