###### tags: `論文摘要` `篩選chan.` `穩定性` `LFP`

# Robust Local Field Potential-based Neural Decoding by Actively Selecting Discriminative Channels
* 時間: 2018
* Conference: IEEE EMBS Conference on Neural Engineering
* Link: https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=8512628
* MLA: Yang, Huijuan, et al. "Robust Local Field Potential-based Neural Decoding by Actively Selecting Discriminative Channels." 2018 40th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). IEEE, 2018.

## 概論
不同頻帶的LFP訊號在不同channel間存在冗餘，會因此影響解碼器表現。故而該篇研究利用Fisher-distance ratio篩選具有鑑別度的channel藉此最大化不同class間 (總計4個class)的差異。
此外該篇論文引述其他文獻的說法，證明LFP相較於MSP或SSP可以更持久且穩定；且在不同channel間，低頻帶的LFP相關性較高頻帶高。

## 方法
分作兩步：
(1) 分割出5個不同頻帶的LFP
(2) 移除冗餘的LFP channel

假設訓練集中第$i$個class中第$k$個資料點標記為$\mathcal{F}^i_k$；其centroid則標記為$\mathcal{C}^j_k$；
故可定義出inter-class($\mathcal{D}_{it}$)以及intra-class($\mathcal{D}_{ir}$)：
其中$\mathcal{D}_s(a, b)$為$a$與$b$之間的歐基里德距離。

故此，由$n_s$個class總共可組成$n_p$個pairs，即$n_p=\frac{n_s\times (n_s-1)}{2}$；
則第$m$個pair的第$c$個channel的Fisher-distance ratio定義為：
最終取前$P_d$個channel可以最大化下式：