堅牢な信号劣化下における運動イメージ脳コンピューターインターフェース分類：マルチウィンドウアンサンブルアプローチ

科学分野:

• 生物医学工学
• 神経科学
• 信号処理

背景:

• 脳コンピューターインターフェース（BCI）は、ニューラル信号をコマンドに変換し、脳の処理を模倣します。
• 運動イメージ（MI）BCIは、感覚運動野のパターンから想像された動きをデコードします。
• モバイルまたは低リソース環境での信号劣化は、特に低いサンプリング周波数において、現在のBCIを制限します。

研究 の 目的:

• 信号劣化に対して堅牢なMI分類フレームワークを開発すること。
• 実世界シナリオにおけるBCIの実用性を向上させること。
• EEGベースBCIの生体模倣的相互作用を強化すること。

主な方法:

• 時間セグメンテーションを備えたフィルターバンク共通空間パターン（FBCSP-TS）フレームワークを提案しました。
• セグメント化されたEEG信号を使用して、4つのMIタスク（左手、右手、足、舌）を分類しました。
• 空間的、スペクトル的、時間的ダイナミクスをソフト投票と統合して、セグメントレベルの予測を行いました。

主要な成果:

• FBCSP-TSは、BCIコンペティションIVデータセットでCSPおよびFBCSPを上回りました。
• 110 Hzでの精度は250 Hzと同程度であり、堅牢性を示しました。
• 最適なパラメータ（ウィンドウ=3.5秒、移動=0.5秒）は、信号対雑音比（SNR）を改善しました。
• 外部検証では、0.809±0.092の精度と0.619±0.184のコーエンのκを達成しました。

結論:

• FBCSP-TSフレームワークは、劣化条件下でMI関連のニューラルパターンを効果的に保持します。
• この進歩は、ウェアラブルおよび実世界のアプリケーションのための実用的で生体模倣的なBCIをサポートします。
• 提案された方法は、モバイルBCIの使用に不可欠なノイズおよびアーチファクトに対する耐性を強化します。