複数文字のEEG分類のための書き込み-ストロークモーターイメージングパラダイムの設計と実装
Hongguang Pan1, Hongzheng Gao1, Yibo Zhang2
1College of Electrical and Control Engineering, Xi'an University of Science and Technology, Xi'an 710054, China; Xi'an Key Laboratory of Electrical Equipment Condition Monitoring and Power Supply Security., Xi'an 710054, China.
Neuroscience
|September 4, 2025
まとめ
この研究では,脳脳図 (EEG) を用いて脳脳コンピュータインターフェース (BCI) を改良し,より高い精度とより多くのコマンドを達成しました. この新しい枠組みは,BCIの実用的な応用を強化します.
科学分野:
- 神経科学
- バイオメディカルエンジニアリング
- 信号処理
背景:
- 運動イメージング (MI) の脳コンピュータインターフェース (BCI) は,コマンド生成のための神経活動をデコードします.
- 伝統的なMI-BCIシステムは,区別可能なコマンドの数に制限があり,実用的なアプリケーションを妨げています.
- 電気脳図 (EEG) は,BCIの非侵襲的な発症の重要な方法である.
研究 の 目的:
- EEG信号を用いたMI-BCIの複数文字の分類枠組みを提案し,評価する.
- 神経信号の分離性を向上させ, 簡素化されたストローク・ライティングMIパラダイムを実現する.
- BCIシステムの区別可能なコマンドのセットを拡張し,実用性を向上させる.
主な方法:
- ニューラル分離性を向上させるための最適化された経路で,ストローク書き込みのための簡素化されたMIパラダイム.
- 10人の参加者から11つのMIタスク (5つのストローク・ライティング,6つの関連動作) のEEGデータを取得しました.
- アーティファクトを除去するためにEnsemble Empirical Mode Decomposition (EEMD) を使用したシグナル先行処理,続いて特徴抽出のためにKernel Principal Component Analysis (KPCA) を使用し,ゲートリキュアントユニット (GRU) を使用した分類を行う.
主要な成果:
- 最適化されたストロークパラダイムは,非最適化されたバージョン (76.83%) を大幅に上回る平均分類精度を達成しました.
- 提案された枠組みは,既存のMI-BCI方法と比較して,分類精度が向上したことを示した.
- このシステムは,BCIの実用性を向上させ,識別可能なコマンドの数を成功裏に拡張しました.
結論:
- 開発された複数文字の分類枠組みは,MI-BCIのパフォーマンスを効果的に改善します.
- 最適化されたストローク・ライティング・パラダイムと高度な信号処理技術により ニューラル分離性と分類の精度が向上します
- この研究は,コマンドの識別性を高めることで,より実用的で効果的なBCIアプリケーションに寄与します.
