La decodificación basada en aprendizaje profundo y la visualización de características de las velocidades de las...

Área de la Ciencia:

• La neurociencia es la neurociencia.
• La inteligencia artificial es inteligencia artificial.
• Ingeniería Biomédica Ingeniería Biomédica.

Sus antecedentes:

• La velocidad de decodificación de imágenes motoras (IM) es crucial para las interfaces avanzadas cerebro-computadora (ICC).
• Comprender la neurodinámica subyacente a la velocidad del MI es esencial para mejorar el rendimiento del BCI.
• Los modelos de aprendizaje profundo ofrecen potencial para analizar datos complejos de electroencefalografía (EEG) en tareas de IM.

Objetivo del estudio:

• Para investigar la neurodinámica de la velocidad de decodificación de imágenes motoras utilizando el aprendizaje profundo.
• Para identificar patrones de EEG temporales y espaciales asociados con diferentes velocidades de movimiento imaginadas.
• Explorar el papel de bandas de frecuencia específicas y regiones corticales en la decodificación de la velocidad del MI.

Principales métodos:

• Utilizó el modelo de aprendizaje profundo EEGConformer para el análisis de la señal EEG.
• Aplicó técnicas de inteligencia artificial explicable (XAI) para interpretar los hallazgos del modelo.
• Centrado en la identificación de patrones en las oscilaciones alfa y beta y en áreas corticales clave.

Principales resultados:

• Decodificó con éxito patrones de EEG relacionados con diferentes velocidades de imágenes motoras.
• La precisión de la clasificación fue limitada y específica para cada participante.
• Destacó la importancia de las oscilaciones alfa y beta y de las corteza frontal, motora y occipital.
• Potenciales relacionados con el movimiento en estado estacionario observados en la frecuencia fundamental durante MI repetido.

Conclusiones:

• La velocidad de las imágenes motoras es decodificable a partir de las señales de EEG, pero el rendimiento de clasificación actual es limitado.
• Las bandas de frecuencia específicas (alfa, beta) y las regiones corticales están involucradas en la codificación de la velocidad del MI.
• Las respuestas de estado estacionario proporcionan información sobre la codificación neuronal de la velocidad de intención del movimiento.