Заключение
- Были проблемы с качеством данных из-за различий в монтаже и этапах предварительной обработки, увеличивающих вариативность.
- Классификация машинного обучения была очень точной 97% при различении пре-медитации и конечной медитации, что указывает на разницу между ко-спектрами ЭЭГ для этих состояний.
- Существовала взаимосвязь между временем в медитации и вероятностью классификации конечной медитации, причем D2S2 быстрее вызывал состояние конечной медитации, чем D3S2.
- Были различия в диапазонах мощности ЭЭГ, при этом каждая техника медитации вызывала разные паттерны изменений в диапазонах мощности.
Заключение
- Были различия в диапазонах мощности ЭЭГ, при этом каждая техника медитации вызывала разные паттерны изменений в диапазонах мощности.
- Без фильтрации
- Полоса пропускания 0.1-60 Гц
- Полоса пропускания 0.5-80 Гц Ранее применялись 3 различных типа фильтрации.
- Классификация машинного обучения была очень точной 97% при различении пре-медитации и конечной медитации, что указывает на разницу между ко-спектрами ЭЭГ для этих состояний.
- Существовала взаимосвязь между временем в медитации и вероятностью классификации конечной медитации, причем D2S2 быстрее вызывал состояние конечной медитации, чем D3S2.
- Были различия в диапазонах мощности ЭЭГ, при этом каждая техника медитации вызывала разные паттерны изменений в диапазонах мощности.