探索基于EEG的大脑计算机接口的内在语音分类的试验间一致性
Diego Lopez-Bernal1, David Balderas1, Pedro Ponce1
1Institute of Advanced Materials for Sustainable Manufacturing, Tecnologico de Monterrey, Anillo Perif. 6666, Mexico City 14380, Mexico.
Journal of neural engineering
|April 16, 2024
概括
本研究探讨使用试验间连贯性 (ITC) 改进脑电图 (EEG) 脑电脑接口 (BCI) 进行内在语音分类,显示有希望的准确性用于通信辅助器.
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:
- 基于脑电图 (EEG) 的脑电脑接口 (BCI) 为语言障碍者提供了沟通潜力.
- 目前基于EEG的内在语音分类方法缺乏足够的准确性,无法在实践中应用.
研究的目的:
- 调查试验间连贯性 (ITC) 作为一种特征提取技术的有效性,以提高基于EEG的BCI中的内言分类准确性.
- 开发和评估一种使用ITC的新方法,以提高BCI的性能.
主要方法:
- 开发了一种利用ITC在复杂的Morlet时间频率表示中用于特征提取的新方法.
- 在三个会议中,分析了十名受试者的四个词的EEG录音.
- 提取的特征使用k-最近邻居 (kNN) 和支持向量机 (SVM) 算法进行分类.
主要成果:
- 提出的基于ITC的方法实现了kNN的平均分类准确率为56.08%,SVM的平均分类准确率为59.55%.
- 这些结果表明表现与内部语音分类中的现有方法相比或优于现有方法.
- 试验间阶段一致性证明了基于EEG的BCI系统的精度提高的潜力.
结论:
- 该研究引入了一种有前途的特征提取方法,使用ITC进行基于EEG的内在语音分类.
- 这些发现表明,ITC可以显著提高BCI通信系统的准确性.
- 这项研究为未来在内在语音解码技术方面的进步提供了基础.
