脑电图幅度调制分析跨心理任务:朝着改进的活跃BCI.
Olivier Rosanne1, Alcyr Alves de Oliveira2, Tiago H Falk1
1Institut National de la Recherche Scientifique, University of Quebec, Montreal, QC H5A 1K6, Canada.
Sensors (Basel, Switzerland)
|December 9, 2023
概括
这项研究引入了新的脑电图 (EEG) 振幅调制 (AM) 功能,以提高脑电脑接口 (BCI) 的可靠性. 这些新功能显著提高了神经康复应用中的分类准确性.
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
背景情况:
- 大脑计算机接口 (BCI) 系统对于神经康复至关重要,但由于噪音高的脑电图 (EEG) 数据,它们面临可靠性挑战.
- 目前的研究往往侧重于深度学习,但强大的特征提取仍然对BCI性能至关重要.
研究的目的:
- 引入和评估新的EEG振幅调制 (AM) 动态特征,以提高BCI分类的准确性.
- 评估这些新特征与传统功率光谱密度 (PSD) 特征的互补性.
主要方法:
- 开发并应用了新的EEG振幅调制 (AM) 动态特征.
- 在一个活跃的BCI数据集上进行了实验,涉及七个不同的心理任务.
- 进行了21次二进制分类测试,比较了使用和不使用拟议的AM特征与传统PSD特征的性能.
主要成果:
- 在21个二进制分类测试中的17个中,AM的加入显著改善了分类器的性能.
- 当使用组合特征集 (AM和PSD) 时,平均kappa得分从0.57增加到0.62.
- 基于AM的措施占排名最高的特征的77%以上,突出显示了它们的重要性.
结论:
- 新的EEG AM动态特性为BCI分类准确性提供了显著的改进.
- 这些特征是传统PSD特征的补充,并显示出神经生理学和BCI应用的巨大潜力.
