EEG信号からの移動意図の自動検出のための改良された自動深層モデル

科学分野:

• 神経科学
• コンピュータ科学
• 生物医学工学

背景:

• 動作意図の自動識別は,脳-コンピュータインターフェース (BCI) アプリケーションに不可欠です.
• 移動障害のある患者を助けることが重要な目標です.
• 現在の方法は神経信号から 強力な特性を抽出する必要があります

研究 の 目的:

• 電気脳図 (EEG) 信号を用いた運動の意図の自動識別のための新しいアプローチを開発する.
• ディープラーニングモデルを作り 指のタップから 運動の意図を正確に 解読できるのです
• 騒音環境を含む現実世界のシナリオにおけるBCIの適用性を高める.

主な方法:

• 左手指と右手指のタップから 静止状態のEEG信号のデータベースが作成されました
• グラフ理論とディープコンボリューションネットワークを統合した新しいモデルが設計された.
• このアーキテクチャは,特性を抽出するための6つの深層コンボリューショングラフ層で構成されています.

主要な成果:

• このモデルは,バイナリ分類で98%の精度を達成しました (左対右の指のタップ).
• 3つのクラスの分類作業で92%の精度を達成しました (左タップ,右タップ,休憩).
• このモデルは,最近の研究と比較して,騒音環境での有意な回復力を示した.

結論:

• 提案された深層コンボリュショナル・グラフ・ネットワークは 運動関連の脳活動をEEGから効果的に解読します
• このアプローチは,シグナルノイズであっても,信頼性の高いオンライン BCI アプリケーションに希望を示しています.
• この発見は,運動リハビリテーションと支援のためのBCI技術の進歩に貢献します.