基于树皮的运动图像分类的描述,以促进残疾儿童在家中的BCI
概括
拉斯伯雷Pi 4 (RPi4) 显示为家庭大脑计算机接口 (BCI) 系统的承诺,尽管资源有限,但提供可比的神经网络性能. 这使得严重身体残疾的个人可以更容易地使用BCI.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 生物医学工程 生物医学工程
背景情况:
- 脑电脑接口 (BCI) 系统在现实世界采用时面临挑战,原因是计算限制和漫长的校准.
- 将BCI技术从实验室环境转移到家庭环境对于严重身体残疾的人来说至关重要.
研究的目的:
- 评估使用树Pi 4 (RPi4) 在家用BCI应用程序的可行性.
- 分析各种机器学习分类器在RPi4上对BCI任务的性能.
- 在RPi4.4上识别BCI流程的计算瓶和资源使用情况.
主要方法:
- 在RPi4.4上分析十个标准分类器,包括里曼的几何 (RG) 和人工神经网络 (ANN).
- 将RPi4性能指标 (训练时间,推断时间,内存使用) 与桌面和MacBook计算进行比较.
- 评估评估的神经网络模型的准确性,回忆力,精度和F1分数.
主要成果:
- 对于神经网络模型,RPi4显示了可比的性能指标 (84.3%准确度,回忆,F1得分;84.7%精度).
- 分析显示了RPi4的计算特性:训练时间1.74s,推理时间0.405s,峰值记忆1154.9 MiB,增量记忆使用405.2 MiB.
- 识别了计算瓶,建议仔细考虑像ANN这样的高资源需求的分类器.
结论:
- RPi4是开发低成本,可扩展的家庭BCI系统的潜在可行的设备.
- 实施资源密集型分类器,如RPi4上的ANN,需要仔细规划,以管理成本和复杂性.
- 调查结果支持为残疾人提供更容易获得和更实用的BCI解决方案的潜力.
