P300基于阶段滞后指数 (PLI) 的意图识别-丰富的俱乐部大脑功能网络
Zhongmin Wang1,2,3, Leihua Xiang1, Rong Zhang1,2,3
1School of Computer Science and Technology, Xi'an University of Posts and Telecommunications, Xi'an, Shaanxi 710121, China.
The Review of scientific instruments
|April 16, 2024
概括
这项研究介绍了一种使用P300信号和富俱乐部网络分析的新型脑计算机接口 (BCI) 方法. 该方法通过识别关键大脑电极来增强意图识别,在BCI数据集中实现高精度.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 生物医学工程 生物医学工程
背景情况:
- 使用P300信号的脑计算机接口 (BCI) 技术对临床诊断和控制系统有很大的前景.
- 识别用于可穿戴的意图识别的关键电极是一个重大的研究挑战.
研究的目的:
- 提出一种基于P300的意图识别方法,利用大脑网络中的富人俱乐部现象.
- 识别和提取关键"富俱乐部"电极的特征,以提高BCI性能.
主要方法:
- 使用阶段滞后指数 (PLI) 构建大脑功能网络.
- 根据节点程度和节点之间的中心性确定了富人俱乐部节点.
- 从丰富俱乐部节点提取非线性和频率域特征.
- 使用支持矢量机器 (SVM) 的机密意图.
主要成果:
- 富人俱乐部系数的范围在有意和无意状态之间有显著差异.
- 在BCI竞争III数据集中实现了高识别准确度 (96.93%和94.93%),频道减少.
- 在减少道的BCI竞争II数据集上证明了95.50%的识别准确性.
结论:
- 基于PLI-rich-club的方法有效地识别了基于P300的BCI的关键电极.
- 这种方法为开发高效的可穿戴意图识别系统提供了一个有希望的策略.
- 这些发现支持网络科学原则在推进BCI技术方面的实用性.
