有多少数据是足够的? 优化数据收集以检测EEG记录中的工件
Lu Wang-Nöth1,2, Philipp Heiler1, Hai Huang2
1brainboost GmbH, Augsburgerstraße 4, 80337 Munich, Germany.
Journal of neural engineering
|March 10, 2025
概括
这项研究优化了使用深度学习进行电脑图 (EEG) 器件移除的数据收集. 我们减少了必要的电肌学 (EMG) 文物任务,提高了数据效率,以获得更清洁的EEG信号.
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:
- 电脑电图 (EEG) 是具有成本效益的,但受到人工物的影响,降低了信号质量.
- 电肌图 (EMG) 文物是对影响EEG分析的具有挑战性的生物文物.
- 目前收集用于清理文物的数据缺乏系统的理由和高效的利用.
研究的目的:
- 通过深度学习提出一个优化的数据收集设计,用于EEG文物清洁.
- 为了尽量减少数据收集的努力,同时保持文物清洁效率.
- 为选择文物类型和数量提供系统的,定量化的方法.
主要方法:
- 应用二进制分类来区分文物和非文物时代,使用三个神经架构.
- 开发了一个基于深度学习的文物检测系统.
- 专注于优化电肌图 (EMG) 文物数据收集.
主要成果:
- 将需要的EMG文物任务数量从12个减少到3个.
- 减小了对等度收缩任务的重复,从10次减少到1次.
- 证明了有效的数据收集,以改善文物清洁.
结论:
- 拟议的方法为生物数据收集提供了一种系统和动态的定量方法.
- 为文物选择和数量提供了明确的理由,指导未来的研究.
- 旨在提高EEG和EMG研究数据收集的有效性和经济性.
