基于稀疏物流回归的EEG频道优化算法,以提高参与者之间的普遍性
Yuxi Shi1, Yuanhao Li1, Yasuharu Koike2
1School of Engineering, Tokyo Institute of Technology, Yokohama 226-8503, Japan.
Bioengineering (Basel, Switzerland)
|June 28, 2023
概括
本研究介绍了一种稀疏后勤回归 (SLR) 方法,用于优化电脑图 (EEG) 通道. SLR方法提高了EEG解码的准确性,并在参与者之间表现出强大的普遍性.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 信号处理 信号处理
背景情况:
- 脑电图 (EEG) 通道优化对于减少数据冗余和提高脑电脑接口 (BCI) 性能至关重要.
- 评估优化EEG通道在不同参与者的普遍性对于实际的BCI应用是必不可少的.
研究的目的:
- 调查EEG通道优化在不同参与者的普遍性.
- 提出和评估一种基于稀疏后勤回归 (SLR) 的新型EEG通道选择算法.
主要方法:
- 开发了一个基于SLR的EEG通道优化算法,使用非零模型参数排名方法.
- 通过对原始EEG数据的个人和小组分析来评估算法的性能.
- 将拟议的方法与传统的相关系数 (CCS) 道选择技术进行比较.
主要成果:
- 单反相机算法有效过了75-96.9%的冗余EEG通道.
- 与CCS相比,EEG解码精度提高了1.65-5.1%,与CCS相比.
- 在参与者之间仅使用2-15个常见的EEG电极证明了令人满意的群体级解码精度.
结论:
- 拟议的基于SLR的EEG通道优化算法对EEG解码具有卓越的普遍性.
- 这种方法通过减少数据采集负担和提高跨参与者的性能来提高BCI的现实应用性.
