Jove
Visualize
Contáctanos

Videos de Conceptos Relacionados

Brain Imaging01:14

Brain Imaging

1.0K
Brain imaging technologies provide critical insights into both the structure and function of the human brain, enabling medical professionals and researchers to diagnose, study, and treat neurological disorders or psychiatric disorders more effectively.
These technologies include computerized axial tomography (CAT or CT scans), positron-emission tomography (PET scans),  magnetic resonance imaging (MRI),  functional magnetic resonance imaging (fMRI), and Transcranial Magnetic...
1.0K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Efficient Techniques Based on Sparse Representation for Classifying High-dimensional Multiclass Microarray Data.

Journal of medical signals and sensors·2026
Same author

Small-world scale-free brain networks from EEG with application to motor imagery decoding and brain fingerprinting.

Computers in biology and medicine·2026
Same author

Optimizing solar farm interconnection networks using graph theory and metaheuristic algorithms with economic and reliability analysis.

Scientific reports·2025
Same author

Graphs Constructed from Instantaneous Amplitude and Phase of Electroencephalogram Successfully Differentiate Motor Imagery Tasks.

Journal of medical signals and sensors·2025
Same author

An Efficient Asynchronous High-Frequency Steady-State Visual Evoked Potential-Based Brain-Computer Interface speller: The Problem of Individual Differences.

Journal of medical signals and sensors·2019
Same author

An Adaptive SSVEP-Based Brain-Computer Interface to Compensate Fatigue-Induced Decline of Performance in Practical Application.

IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society·2018
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Video Experimental Relacionado

Updated: May 6, 2026

Functional Near Infrared Spectroscopy of the Sensory and Motor Brain Regions with Simultaneous Kinematic and EMG Monitoring During Motor Tasks
11:31

Functional Near Infrared Spectroscopy of the Sensory and Motor Brain Regions with Simultaneous Kinematic and EMG Monitoring During Motor Tasks

Published on: December 5, 2014

15.7K

Un enfoque de reducción de dimensionalidad para interfaz cerebro-computadora de imaginería motora utilizando

Mohammad Davood Khalili1, Vahid Abootalebi1, Hamid Saeedi-Sourck1

  • 1Department of Electrical Engineering, Yazd University, Yazd, Iran.

Journal of medical signals and sensors
|February 25, 2026
PubMed
Resumen

Un nuevo marco mejora la clasificación de señales de electroencefalograma (EEG) para interfaces cerebro-computadora. El método de regularización de aprendizaje genérico reducido de Kron con evolución diferencial (K-GLR-DE) logra una alta precisión, incluso con datos de entrenamiento limitados.

Palabras clave:
interfaz cerebro-computadora (BCI)reducción de Kronelectroencefalografía (EEG)procesamiento de señales de grafos (GSP)corteza motora

Más Videos Relacionados

Author Spotlight: Using Motor Imagery Brain-Computer Interface to Improve Motor and Cognitive Function in Stroke Patients
09:42

Author Spotlight: Using Motor Imagery Brain-Computer Interface to Improve Motor and Cognitive Function in Stroke Patients

Published on: September 1, 2023

2.2K
Author Spotlight: Enhancing Neurorehabilitation Through EEG, Motor Imagery, and Virtual Reality
10:14

Author Spotlight: Enhancing Neurorehabilitation Through EEG, Motor Imagery, and Virtual Reality

Published on: May 10, 2024

1.9K

Videos de Experimentos Relacionados

Last Updated: May 6, 2026

Functional Near Infrared Spectroscopy of the Sensory and Motor Brain Regions with Simultaneous Kinematic and EMG Monitoring During Motor Tasks
11:31

Functional Near Infrared Spectroscopy of the Sensory and Motor Brain Regions with Simultaneous Kinematic and EMG Monitoring During Motor Tasks

Published on: December 5, 2014

15.7K
Author Spotlight: Using Motor Imagery Brain-Computer Interface to Improve Motor and Cognitive Function in Stroke Patients
09:42

Author Spotlight: Using Motor Imagery Brain-Computer Interface to Improve Motor and Cognitive Function in Stroke Patients

Published on: September 1, 2023

2.2K
Author Spotlight: Enhancing Neurorehabilitation Through EEG, Motor Imagery, and Virtual Reality
10:14

Author Spotlight: Enhancing Neurorehabilitation Through EEG, Motor Imagery, and Virtual Reality

Published on: May 10, 2024

1.9K

Área de la Ciencia:

  • Neurociencia
  • Ciencias de la Computación
  • Procesamiento de Señales

Sus antecedentes:

  • Las interfaces cerebro-computadora de imaginería motora (MI-BCI) dependen de la clasificación precisa de las señales de electroencefalograma (EEG).
  • La reducción de dimensionalidad es crucial para mejorar la eficiencia y el rendimiento de los sistemas MI-BCI.

Objetivo del estudio:

  • Introducir un marco novedoso para la reducción de dimensionalidad y clasificación de señales de EEG en MI-BCI.
  • Mejorar el rendimiento de los sistemas MI-BCI, particularmente en escenarios con datos de entrenamiento limitados.

Principales métodos:

  • El marco propuesto de regularización de aprendizaje genérico reducido de Kron con evolución diferencial (K-GLR-DE) integra el procesamiento de señales de grafos (GSP) y un optimizador metaheurístico.
  • Se construyen grafos cerebrales y la reducción de dimensionalidad se logra utilizando regiones de interés fisiológicas (ROI) y reducción de Kron.
  • La extracción de características implica la variación total del grafo y las características espaciales comunes regularizadas por aprendizaje genérico (GLRCSP), seguidas de la selección de características basada en la evolución diferencial (DE).

Principales resultados:

  • El enfoque K-GLR-DE se evaluó en el conjunto de datos BCI Competition III Dataset IVa y el conjunto de datos PhysioNet eegmmidb.
  • Un clasificador de máquina de vectores de soporte con kernel de base radial (SVM-RBF) logró una precisión media del 96,46% ± 0,81% en BCIC III-IVa.
  • El método demostró un rendimiento superior en diversas condiciones de entrenamiento, incluidos conjuntos de entrenamiento pequeños y limitados.

Conclusiones:

  • El método K-GLR-DE mejora significativamente el rendimiento de la clasificación MI-BCI.
  • El marco es eficaz incluso con datos de entrenamiento limitados, lo que ofrece una solución robusta para los sistemas MI-BCI.