从低密度EEG图像分类和重建
Sven Guenther1, Nataliya Kosmyna2, Pattie Maes2
1School of Computation, Information and Technology, Technical University of Munich, Munich, Germany. sven.guenther@tum.de.
Scientific reports
|July 16, 2024
概括
这项研究通过使用便携式的8通道电脑电图 (EEG) 来进行脑活动的图像分类和重建. 这种负担得起的移动视觉解码技术为昂贵的静止脑成像系统提供了灵活的替代方案.
科学领域:
- 神经科学是一个神经科学.
- 计算机视觉 计算机视觉
- 生物医学工程 生物医学工程
背景情况:
- 视觉解码旨在从大脑活动中分类和重建感知到的图像.
- 现有的方法通常依赖于昂贵的,不移的设备,如fMRI或高密度EEG.
- 以前的EEG范式有时使用人工数据,导致不准确的结果.
研究的目的:
- 开发一个具有成本效益和灵活的视觉解码范式.
- 为了研究图像分类和重建,使用一个便携式的8通道EEG.
- 为了提高基于大脑的图像解码的现实世界的应用性.
主要方法:
- 设计了一种以理论为指导的8通道EEG装置,用于便携式大脑活动测量.
- 创建了一个新的实验,从9个受试者收集数据集.
- 我们比较了五种分类模型,并使用了一种表现最好的模型与潜在扩散模型进行图像重建.
主要成果:
- 在对20个图像类别进行分类时,平均准确度为34.4%.
- 通过使用微调的EEG编码器和潜在扩散模型,对50个类别的图像进行了重建,最高-1精度为35.3%.
- 与基于MRI的视觉解码相比,证明了更好的可负担性和流动性.
结论:
- 便携式8通道EEG可用于视觉解码,提供一种更容易获得的方法.
- 开发的方法提高了灵活性,并降低了用于视觉感知的大脑与计算机接口的成本.
- 进一步的研究可以建立在这个基础上,以改进准确性并扩展现实世界的应用.
