一个简短的关于人类活动识别的调查,使用EEG信号的运动图像识别
Seema Pankaj Mahalungkar1,2, Rahul Shrivastava3, Sanjeevkumar Angadi2
1Department of Computer Science and Engineering, Mansarovar Global University, Bhopal, Madhya Pradesh, India.
Electromagnetic biology and medicine
|October 19, 2024
概括
本调查回顾了使用电脑电图 (EEG) 信号从运动图像 (MI) 来识别人类活动 (HAR). 它分析了机器学习和深度学习技术,确定了改进脑计算机接口 (BCI) 系统的研究缺口.
科学领域:
- 神经科学和生物医学工程
- 专注于对人类福祉进行大脑活动分析.
背景情况:
- 人类的生物和心理活动与大脑功能密切相关.
- 使用脑电图 (EEG) 信号的脑电脑接口 (BCI) 系统能够通过运动图像 (MI) 进行交互.
- 人类活动识别 (HAR) 旨在从感官数据中识别生理状态.
研究的目的:
- 调查和分析基于MI-EEG信号的哈尔的现有方法.
- 在现场评估各种技术,参数和绩效指标.
- 识别当前 HAR 方法中的研究缺口和局限性.
主要方法:
- 综合回顾50篇关于使用EEG信号对HAR的研究文章.
- 将HAR技术分类为机器学习 (ML) 和深度学习 (DL) 模型.
- 根据出版年份,绩效,工具和数据库等参数对论文进行评估.
主要成果:
- 从MI-EEG中确定ML和DL作为HAR的主要方法.
- 详细分析与各种HAR技术相关的挑战和局限性.
- 基于多个绩效指标的现有方法的评估.
结论:
- 强调需要进一步研究,以解决HAR中发现的局限性.
- 为BCI应用程序开发更有效的HAR系统提供建议.
- 强调MI-EEG信号分析对于促进人类活动识别的重要性.
