Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Kongresse
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Veranstaltungskalender Awards MyNewsletter Firmensuche
Kunden Login
Über Einzelzugang informieren
Über Unternehmenszugang informieren
Referenzkunden
Heavy-Duty Engines 2025 | 18. + 19. November 2025

Nutzfahrzeuge | Land- und Baumaschinen | Marine

Nehmen Sie als Referent an der 20. Internationalen MTZ-Fachtagung für Erfahrungsaustausch zu Industrie- und Nfz-Motoren teil. Reichen Sie online einen Themenvorschlag ein!
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

13. Resting-State EEG Sex Classification Using Selected Brain Connectivity Representation

verfasst von : Jean Li, Jeremiah D. Deng, Divya Adhia, Dirk De Ridder

Erschienen in: Advances in Artificial Intelligence, Computation, and Data Science

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Electroencephalography (EEG) is a widely used non-invasive technique to measure multi-channel potentials that reflect the electrical activity of the brain. Over the last few decades, EEG analysis has been an intensively explored research topic due to its potentials in being applied to the diagnosis of neurological diseases, such as epilepsy, brain tumors, head injury, sleep disorders, and dementia [19]. Despite many advances made in recent years, EEG signal analysis remains a challenging task. In addition to being non-stationary, EEG signals often have high noise-to-information ratios, and they can be significantly affected by various artifacts, demonstrating characteristics that differ from signals generated by activities in the brain [21]. Common artifacts include eye movements, jaw tension, and muscle contractions. To make effective signal analysis even more challenging, EEG signals are highly individual-specific, and cross-subject pattern identification can be elusive.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Dynamic Evaluation Mechanism of Human Upper Limb Muscle Forces
Nächstes Kapitel Augmented Medicine: Changing Clinical Practice with Artificial Intelligence
Fußnoten
Literatur
1.
Baltazar CA, Machado BS, de Faria DD, Paulo AJM, Silva SMCA, Ferraz HB, de Carvalho Aguiar P (2020) Brain connectivity in patients with dystonia during motor tasks. J Neural Eng 17(5):056039
2.
Beste C, Heil M, Konrad C (2010) Individual differences in erps during mental rotation of characters: lateralization, and performance level. Brain Cogn 72(2):238–243CrossRefPubMed
3.
Carrier J, Land S, Buysse DJ, Kupfer DJ, Monk TH (2001) The effects of age and sex on sleep eeg power spectral density in the middle years of life (ages 20–60 years old). Psychophysiology 38(2):232–42CrossRefPubMed
4.
Clarke AR, Barry RJ, McCarthy R, Selikowitz M (2001) Age and sex effects in the eeg: development of the normal child. Clin Neurophysiol 112(5):806–814
5.
Davidson RJ, Schwartz GE, Pugash E, Bromfield E (1976) Sex differences in patterns of eeg asymmetry. Biol Psychol 4(2):119–137CrossRefPubMed
6.
Gramfort A, Luessi M, Larson E, Engemann D, Strohmeier D, Brodbeck C, Goj R, Jas M, Brooks T, Parkkonen L, Hämäläinen M (2013) Meg and eeg data analysis with mne-python. Front Neurosci 7:267CrossRefPubMedPubMedCentral
7.
Hirnstein M, Hugdahl K, Hausmann M (2019) Cognitive sex differences and hemispheric asymmetry: a critical review of 40 years of research. Laterality 24(2):204–252 PMID: 29985109CrossRefPubMed
8.
Höller Y, Bergmann J, Thomschewski A, Kronbichler M et al (2013) Comparison of eeg-features and classification methods for motor imagery in patients with disorders of consciousness. PLoS One 8(11):e80479
9.
Ingalhalikar M, Smith A, Parker D, Satterthwaite TD, Elliott MA, Ruparel K, Hakonarson H, Gur RE, Gur RC, Verma R (2014) Sex differences in the structural connectome of the human brain. Proc Natl Acad Sci 111(2):823–828CrossRefPubMed
10.
La Rocca D, Campisi P, Végső B, Cserti P, Kozmann G, Babiloni F, De Vico Fallani F (2014) Human brain distinctiveness based on eeg spectral coherence connectivity. IEEE Trans Bio-med Eng 61:2406–2412
11.
Li J, Deng JD, Ridder DD, Adhia D (2020) Gender classification of EEG signals using a motif attribute classification ensemble. In: 2020 international joint conference on neural networks, IJCNN 2020, Glasgow, United Kingdom, July 19–24, 2020. IEEE, pp 1–8
12.
Lotte F, Congedo M, Lécuyer A, Fabrice L, Arnaldi B (2007) A review of classification algorithms for eeg-based brain-computer interfaces. J Neural Eng 4:07CrossRef
13.
Markovic A, Kaess M, Tarokh L (2020) Gender differences in adolescent sleep neurophysiology: a high-density sleep eeg study. Sci Reports 10:15935
14.
Mumtaz W, Ali SS, Yasin MAM, Malik A (2017) A machine learning framework involving eeg-based functional connectivity to diagnose major depressive disorder (mdd). Med Biol Eng 56:233–246
15.
Murias M, Webb SJ, Greenson J, Dawson G (2007) Resting state cortical connectivity reflected in eeg coherence in individuals with autism. Biol Psychiatry 62(3):270–273. Mechanisms of Circuit Dysfunction in Neurodevelopmental Disorders
16.
Papousek I, Murhammer D, Schulter G (2011) Intra- and interindividual differences in lateralized cognitive performance and asymmetrical EEG activity in the frontal cortex. Brain Cogn 75(3):225–231
17.
Scott WC, Kaiser D, Othmer S, Sideroff SI (2005) Effects of an eeg biofeedback protocol on a mixed substance abusing population. Am J Drug Alcohol Abuse 31(3):455–69CrossRefPubMed
18.
Shin Y, Lee S, Ahn M, Cho H, Jun SC, Lee H-N (2015) Noise robustness analysis of sparse representation based classification method for non-stationary eeg signal classification. Biomed Signal Process Control 21:8–8
19.
Puthankattil Subha D, Joseph PK, Rajendra AU, Lim CM (2010) Eeg signal analysis: a survey. J Med Syst 34(2):195–212
20.
van Putten M, Olbrich S, Arns M (2018) Predicting sex from brain rhythms with deep learning. Sci Rep 8:12
21.
Vanneste S, Song J, De Ridder D (2018) Thalamocortical dysrhythmia detected by machine learning. Nature Commun 9:1103CrossRef
22.
Zhang J, Xu H, Zhu L, Kong W, Ma Z (2019) Gender recognition in emotion perception using eeg features. In: 2019 IEEE international conference on bioinformatics and biomedicine (BIBM), pp 2883–2887
Metadaten
Titel
Resting-State EEG Sex Classification Using Selected Brain Connectivity Representation
verfasst von
Jean Li
Jeremiah D. Deng
Divya Adhia
Dirk De Ridder
Copyright-Jahr
2021
Buch
Advances in Artificial Intelligence, Computation, and Data Science

Print ISBN: 978-3-030-69950-5

Electronic ISBN: 978-3-030-69951-2

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-3-030-69951-2_13

Premium Partner

    Bildnachweise