通过与错误相关的潜在校正来改进单手打开/关闭电机图像的分类

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:

• 大脑计算机接口 (BCI) 将电脑电图 (EEG) 信号分类为运动成像 (MI) 任务.
• 由于皮质活动重叠,单手打开/关闭MI任务的分类具有挑战性.
• 提高BCI准确性对于有效的人机交互至关重要.

研究的目的:

• 在BCI中提高单手MI任务的分类准确性.
• 引入一个混合BCI范式,将与错误相关的潜力 (ErrP) 与MI.
• 使用ErrP信息开发一个纠正MI分类的策略.

主要方法:

• 设计了一个混合BCI范式,将ErrP和MI结合起来.
• 分析了11名单手开/关MI任务的EEG数据.
• 叠加了ErrP和MI特征,并应用了纠正策略.

主要成果:

• 拟议的校正策略显著提高了单手开放/关闭MI任务的分类准确性.
• 分类准确度从52.3%提高到73.7%,提高了21%.
• 整合ErrP信息提高了BCI的业绩.

结论:

• 混合BCI范式有效地提高了单手MI分类准确性.
• 添加ErrP信息提供了一种新的方法来提高BCI的性能.
• 这一战略为推进BCI技术提供了一个有前途的方向.