使用EMD和深度神经网络设计基于EEG的思维识别系统
Rahul Agrawal1, Chetan Dhule1, Garima Shukla2
1Department of Data Science, IoT, Cybersecurity (DIC), G H Raisoni College of Engineering, Nagpur, Maharashtra, India.
Scientific reports
|November 4, 2024
概括
这项研究介绍了一种新的脑计算机接口,使用经验模式分解和深度神经网络用于神经障碍患者. 该系统在实时通信中实现了高精度,增强了与外部世界的连接.
科学领域:
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 信号处理 信号处理
背景情况:
- 大脑计算机接口 (BCI) 对患有神经障碍的人来说,对于实时通信至关重要.
- 基于脑电图 (EEG) 的系统对于帮助的人进行沟通至关重要.
研究的目的:
- 为神经障碍患者开发一个高效的基于EEG的通信系统.
- 改进实时信息描绘和通信能力.
主要方法:
- 利用经验模式分解 (EMD) 来从非静止和非线性EEG信号中提取新特征.
- 从6个通过EMD获得的内在模式函数 (IMF) 中提取了9个特征.
- 使用深度神经网络 (DNN) 来分类患者的状态或信息.
主要成果:
- 在已获取的EEG数据库上实现了97%的最大分类准确度.
- 在实时信息描绘方面,已经证明了85%的准确性.
- 拟议的系统有效地生成用于通信的命令消息.
结论:
- 这种基于EMD的新型特征提取方法显著提高了对BCI的EEG信号分析.
- 开发的系统为神经障碍患者提供了高效的通信链路.
- 与现有方法相比,这种方法在实时消息描述方面表现出优异的性能.
