乐队FocusNet:在虚拟现实中的超数指的运动图像分类的一个轻量级模型
Haneen Alsuradi1, Joseph Hong1, Alireza Sarmadi2
1Engineering DivisionNew York University Abu Dhabi Abu Dhabi 129188 UAE.
IEEE open journal of engineering in medicine and biology
|March 4, 2025
概括
研究人员开发了BandFocusNet,这是一种深度学习模型,用于区分大脑活动与自然和超数的四肢运动,使用脑电图 (EEG). 这提升了对人类运动增强的控制,显示了区分预期动作的潜力.
科学领域:
- 神经科学与人与计算机的交互
- 机器人与人类增强技术
背景情况:
- 由于代理,控制和同步等问题,控制人类运动增强的超数效应器是具有挑战性的.
- 通过运动成像 (MI) 的脑电图 (EEG) 为这些人造肢体提供了一个有前途的控制策略.
研究的目的:
- 调查是否可以可靠地区分来自超数效应器的MI活动与自然效应器的MI活动.
- 解决关于大脑信号的并发性和区分能力的担忧,以同时进行自然和增强四肢控制.
主要方法:
- 20名受试者参加了一个虚拟现实实验,观察并执行自然和超数的指运动的MI.
- 开发了一种新的深度学习模型BandFocusNet,用于分析时间,空间和光谱EEG数据.
- 在模型性能评估中,除了可解释性和与事件相关的光谱扰动 (ERSP) 分析外,还采用了离开一个主体的交叉验证.
主要成果:
- 在区分自然指和超数指之间的MI方面,BandFocusNet实现了70.9%的平均分类准确度.
- 可解释性分析强调了前额叶皮层区域的重要性.
- ERSP的分析显示,在自然指MI期间,这些区域的delta和theta功率增加,但在超数指MI期间没有.
结论:
- 这些发现表明,对于自然与超数效应因子的MI,存在不同的神经激活模式.
- 在超数效应MI期间观察到的典型自然效应器激活的缺失可能表明缺乏实施例.
- 这项研究为开发更直观,更有效的人类运动增强控制系统提供了基础.
