基于EEG的想象语音分类方法的系统审查.

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
• 计算机科学 计算机科学

背景情况:

• 大脑-计算机接口 (BCI) 对于辅助通信至关重要.
• 电脑电图 (EEG) 为BCI发育提供了一种非侵入性方法.
• 想象语音分类是BCI进步的一个关键领域.

研究的目的:

• 系统地审查基于EEG的想象语音分类方法.
• 为了确定有效的特征提取和分类技术.
• 突出该领域的挑战和未来方向.

主要方法:

• 使用公开EEG数据集进行的研究的系统审查.
• 分析特征提取方法 (深度学习,自适应优化,频率分解).
• 机器学习和深度学习分类方法的比较.

主要成果:

• 深度学习和先进的信号处理提高了分类准确性.
• 大脑侧面化在想象式语音识别中起作用.
• 不同的分类准确度突出了EEG信号的复杂性和可变性.

结论:

• 尽管取得了进展,但在想象语中对方向词进行分类仍然具有挑战性.
• 一般化和可扩展性是主题独立BCI的关键障碍.
• 未来的研究应该专注于先进的信号处理,神经网络和适应性BCI系统,以实现实际通信.