耳朵EEG分类增强的多层耳朵头皮蒸框架
Ying Sun1, Feiyang Zhang1, Ziyu Li2
1School of Instrumentation and Optoelectronic Engineering, Beihang University, Beijing 100191, People's Republic of China.
Journal of neural engineering
|November 26, 2024
概括
这项研究提高了脑计算机接口的准确性,使用耳电脑电图 (耳电脑电图) 来进行稳定状态视觉唤起潜力 (SSVEP) 分类. 新的多层耳皮蒸 (MESD) 框架实现了81.1%的精度,改善了实际应用的BCI.
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:
- 耳朵脑电图 (EEG) 提供了不显眼的脑电脑接口 (BCI) 潜力.
- 传统的稳定状态视觉唤起潜力 (SSVEP) BCI面临着耳朵EEG信号减弱和扭曲的挑战.
研究的目的:
- 为了提高SSVEP的分类性能,使用耳朵EEG.
- 增强基于耳部EEG的BCI的实际实用性.
主要方法:
- 引入了一种新的多层耳皮蒸 (MESD) 框架.
- 通过训练耳朵EEG模型来学习头皮EEG样特征,优化SSVEP目标分类.
- 利用中层特征和输出层响应蒸.
主要成果:
- 获得了81.1%的最大分类准确度,初始1秒耳部EEG数据.
- 在单个会话,跨会话和跨主题转移解码中证明了MESD框架的卓越性能.
- 在所有实验评估中表现优于基线方法.
结论:
- 在短时间内,MESD框架显著提高了SSVEP在耳部EEG的分类准确性.
- 这些发现支持耳朵EEGBCI在辅助控制和康复培训中的未来应用.


