使用混沌的运动图像的分类,基于子频段EEG源定位

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:

• 电脑电图 (EEG) 为运动成像 (MI) 研究提供高时间分辨率,但空间分辨率较低.
• EEG源定位 (ESL) 算法旨在通过从头皮EEG估计皮质源来提高空间分辨率.
• 增强的空间分辨率对于提高基于MI的脑计算机接口 (BCI) 的准确性至关重要.

研究的目的:

• 为了解决EMI任务在EEG中空间分辨率低的局限性.
• 提出和验证一种新的特征提取方法,将子频段ESL与混乱结合起来.
• 为了提高MI任务的分类准确性.

主要方法:

• 脑电图信号被过成8个子频段.
• 亚频段信号经过源本地化,以确定激活模式和大脑区域活动.
• 从源信号中提取了近似,模糊和顺序,以量化复杂度.
• 支持矢量机 (SVM) 用于分类不同的MI任务.

主要成果:

• 拟议的子频段ESL和混乱方法在两个公开的MI数据集 (BCI竞争III IVa和BCI竞争IV 2a) 上显示了更好的分类准确性.
• 结果表明,与现有方法相比,性能优越.
• 该研究成功地提高了EEG信号的空间分辨率.

结论:

• 亚频段EEG源定位有效地提高了空间分辨率,为基于EEG的MI研究提供了一种新方法.
• 来自局部来源的混沌特征的整合提高了MI分类性能.
• 这种方法为开发更准确,更可靠的BCI提供了有希望的进步.