Color Vision Deficiency (CVD) is one of the most common types of vision deficiency. People with CVD have difficulty seeing color spectra depending on what types of retina photoreceptors are impaired. In this paper, the Ishihara test with 38 plates was used to examine the Electroencephalogram (EEG) of ten subjects with CVD plus ten healthy individuals. The recording was performed according to the 10-20 international system. The C-based software was programmed so that subjects could select the number or path in each test plate in the software options while recording EEG. Frequency features in different frequency bands were extracted from the EEG signals of the two groups during the Ishihara test. Statistically significant differences (P<0.05) between features were assessed by independent samples t-test with False Discovery Rate (FDR) correction. Also, the K-nearest neighbor classifier (KNN) was used to classify the two groups. The results revealed that the most significant difference between the two groups in the Ishihara test images occurred for the electrodes located in the right temporoparietal areas (P4 and T6) of the brain in the Delta, Theta, Beta1, and Beta2 frequency bands. The KNN classifier, using the signals that reported the greatest statistical difference between the two groups, showed that the two groups were distinguishable with 85.2% accuracy. In this way, images from the Ishihara test that would provide the most accurate classification were identified. In conclusion, this research provided new insights into EEG signals of subjects with CVD and healthy subjects based on the Ishihara color vision test.

中文翻译：

---

Ishihara 测试期间正常视力和色觉缺陷受试者的 EEG 信号分析

色觉缺陷 (CVD) 是最常见的视力缺陷类型之一。患有 CVD 的人难以看到色谱，这取决于视网膜光感受器受损的类型。在本文中，使用 38 个板的 Ishihara 测试用于检查 10 名患有 CVD 的受试者和 10 名健康个体的脑电图 (EEG)。录音按照10-20国际制进行。对基于 C 的软件进行编程，以便受试者可以在记录 EEG 的同时在软件选项中选择每个测试板中的编号或路径。在石原测试期间，从两组的脑电信号中提取不同频段的频率特征。通过具有错误发现率 (FDR) 校正的独立样本 t 检验评估特征之间的统计显着差异 (P<0.05)。此外，K-最近邻分类器（KNN）用于对两组进行分类。结果显示，在石原测试图像中，两组之间最显着的差异发生在 Delta、Theta、Beta1 和 Beta2 频段中位于大脑右侧颞顶区（P4 和 T6）的电极上。KNN 分类器使用报告两组之间最大统计差异的信号，显示两组可区分的准确率为 85.2%。通过这种方式，识别出来自 Ishihara 测试的可提供最准确分类的图像。总之，这项研究为基于 Ishihara 色觉测试的 CVD 受试者和健康受试者的 EEG 信号提供了新的见解。K-最近邻分类器（KNN）用于对两组进行分类。结果显示，在石原测试图像中，两组之间最显着的差异发生在 Delta、Theta、Beta1 和 Beta2 频段中位于大脑右侧颞顶区（P4 和 T6）的电极上。KNN 分类器使用报告两组之间最大统计差异的信号，显示两组可区分的准确率为 85.2%。通过这种方式，识别出来自 Ishihara 测试的可提供最准确分类的图像。总之，这项研究为基于 Ishihara 色觉测试的 CVD 受试者和健康受试者的 EEG 信号提供了新的见解。K-最近邻分类器（KNN）用于对两组进行分类。结果显示，在石原测试图像中，两组之间最显着的差异发生在 Delta、Theta、Beta1 和 Beta2 频段中位于大脑右侧颞顶区（P4 和 T6）的电极上。KNN 分类器使用报告两组之间最大统计差异的信号，显示两组可区分的准确率为 85.2%。通过这种方式，识别出来自 Ishihara 测试的可提供最准确分类的图像。总之，这项研究为基于 Ishihara 色觉测试的 CVD 受试者和健康受试者的 EEG 信号提供了新的见解。结果显示，在石原测试图像中，两组之间最显着的差异发生在 Delta、Theta、Beta1 和 Beta2 频段中位于大脑右侧颞顶区（P4 和 T6）的电极上。KNN 分类器使用报告两组之间最大统计差异的信号，显示两组可区分的准确率为 85.2%。通过这种方式，识别出来自 Ishihara 测试的可提供最准确分类的图像。总之，这项研究为基于 Ishihara 色觉测试的 CVD 受试者和健康受试者的 EEG 信号提供了新的见解。结果显示，在石原测试图像中，两组之间最显着的差异发生在 Delta、Theta、Beta1 和 Beta2 频段中位于大脑右侧颞顶区（P4 和 T6）的电极上。KNN 分类器使用报告两组之间最大统计差异的信号，显示两组可区分的准确率为 85.2%。通过这种方式，识别出来自 Ishihara 测试的可提供最准确分类的图像。总之，这项研究为基于 Ishihara 色觉测试的 CVD 受试者和健康受试者的 EEG 信号提供了新的见解。Beta1 和 Beta2 频段。KNN 分类器使用报告两组之间最大统计差异的信号，显示两组可区分的准确率为 85.2%。通过这种方式，识别出来自 Ishihara 测试的可提供最准确分类的图像。总之，这项研究为基于 Ishihara 色觉测试的 CVD 受试者和健康受试者的 EEG 信号提供了新的见解。Beta1 和 Beta2 频段。KNN 分类器使用报告两组之间最大统计差异的信号，显示两组可区分的准确率为 85.2%。通过这种方式，识别出来自 Ishihara 测试的可提供最准确分类的图像。总之，这项研究为基于 Ishihara 色觉测试的 CVD 受试者和健康受试者的 EEG 信号提供了新的见解。