一个便携式的EEG信号采集系统和SSVEP的有限电极通道分类网络

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:

• 目前用于脑电脑接口 (BCI) 的脑电图 (EEG) 系统通常是复杂的,并且由于依赖湿电极和众多通道,对于日常使用是不切实际的.
• 便携式BCI设备提供了方便,但面临的挑战是有限的道,可能会损害性能.

研究的目的:

• 为便携式BCI开发一个实用的EEG信号采集平台.
• 提出一个新的深度学习网络,以提高BCI分类性能,使用有限的道.

主要方法:

• 开发了一个与机器人操作系统 (ROS) 集成的10通道干电极EEG系统,命名为Gaitech BCI.
• 提出了一种使用Squeeze-and-Excitation (SE) 模块的多级通道注意力选择网络 (SEMSCS).
• 收集了来自十名受试者的稳定状态视觉唤起潜力 (SSVEP) 数据,用于线下和在线实验.

主要成果:

• 与参考模型相比,SEMSCS模型的分类性能优越,即使EEG频道数量减少.
• 在学科内部和跨学科分析证实了该模型的有效性.
• 在线实验验证实了系统控制外部设备的能力.

结论:

• Gaitech BCI 平台和 SEMSCS 网络为改善便携式 BCI 的性能和实用性提供了可行的解决方案.
• 这种方法有助于更好地将BCI系统与外部设备集成到现实应用中.