TPCNet：脳卒中患者の運動イメージEEGデコーディングのための時間周期性畳み込みネットワーク

科学分野:

• 神経科学
• 生体医工学
• リハビリテーション技術

背景:

• 脳卒中は運動機能に著しい影響を与え、長期的な障害につながります。
• 脳波（EEG）ベースの運動イメージ（MI）は、脳卒中リハビリテーションに有望です。
• 現在のEEGアプリケーションは、脳卒中患者の信号の複雑さの理解によって制限されています。

研究 の 目的:

• 脳卒中患者の運動イメージのための高度なEEG分類法を開発すること。
• 脳卒中EEG信号におけるタスク固有の時間パターンの理解を深めること。
• 脳卒中リハビリテーションのための脳コンピュータインターフェースの精度を向上させること。

主な方法:

• 片側上肢のMIタスクを実行している24人の脳卒中患者からEEGデータを収集しました。
• MI分類のために時間周期性畳み込みネットワーク（TPCNet）を提案しました。
• TPCNetは、特徴抽出のために畳み込みおよび時間周期性ブロックを利用します。

主要な成果:

• TPCNetは脳卒中患者のMIデータで86.53%の精度を達成しました。
• 健常者の公開データセットで82.21%の精度を達成しました。
• 分析により、脳卒中患者ではMI周期性がより長い可能性が示唆されました。

結論:

• TPCNetは、時空間的および周期的なEEG特徴を効果的に捉えます。
• このモデルは、脳卒中患者のMIの分類精度を向上させます。
• 本研究の結果は、EEGベースの脳卒中リハビリテーション戦略の進歩に貢献します。