基于EEG传感的运动图像分类,具有视觉和振动触觉指导

科学领域:

• 神经科学是一个神经科学.
• 计算机科学 计算机科学
• 生物医学工程 生物医学工程

背景情况:

• 运动图像 (MI) 是大脑与计算机接口 (BCI) 的关键组成部分.
• 电脑电图 (EEG) 通常用于记录基于MI的BCI的大脑活动.
• 评估不同的机器学习分类器对于优化BCI性能至关重要.

研究的目的:

• 为了比较基于EEG的运动图像检测六种不同的分类器的性能.
• 调查各种指导方法 (视觉,振动) 对分类器准确性的影响.
• 评估数据预处理技术对分类结果的影响.

主要方法:

• 分析了运动图像任务的EEG数据集.
• 评估了六个分类器:LDA,SVM,RF和三个CNN变体 (基于ResNet).
• 数据预处理涉及过和特征提取,研究了不同的传输带.

主要成果:

• 一个基于ResNet的卷积神经网络 (CNN) 显著超过了其他分类器.
• 振动感应指导显著提高了分类准确性,特别是在更简单的模型中.
• 使用低频信号的预处理功能增强了分类性能.

结论:

• 基于ResNet的CNN对于基于EEG的运动图像检测非常有效.
• 振动感应指导为提高BCI准确性提供了显著的优势.
• 优化数据预处理对于基于EEG的强大的BCI系统至关重要.