使用混合猎优化算法模拟在线和离线任务,用于神经退行性疾病患者
Ramkumar Sivasakthivel1, Manikandan Rajagopal2, G Anitha3
1Department of Computer Science, School of Sciences, Christ University, Bengaluru, Karnataka, India.
Scientific reports
|March 16, 2025
概括
这项研究使用Welch Power光谱密度 (W-PSD) 和混合FFNNCOA算法增强了锁定综合征 (LIS) 的脑计算机接口 (BCI). 与实时在线BCI应用程序相比,离线分析显示出更高的准确性和易用性.
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:
- 对于神经退行性疾病的改善护理的需求日益增长.
- 锁定综合症 (LIS) 带来了重大的沟通挑战.
- 大脑计算机接口 (BCI) 为恢复通信提供了一个潜在的解决方案.
研究的目的:
- 开发和评估一个新的BCI系统,用于的个人.
- 为了比较离线与在线BCI分析的性能.
- 评估威尔奇功率光谱密度 (W-PSD) 和混合FFNNCOA算法的有效性.
主要方法:
- 使用威尔希功率光谱密度 (W-PSD) 来从脑电图 (EEG) 信号中提取特征.
- 采用混合料前传神经网络猎优化算法 (FFNNCOA) 进行信号分类.
- 在线和离线模式下对18名受试者进行了实验.
主要成果:
- 线下BCI分析显著超过了实时在线分析.
- 取得的高精度:男性95.56%,女性93.88%.
- 研究对象发现离线任务管理比在线BCI操作更容易.
结论:
- 开发的线下BCI系统显示了改善LIS患者沟通的巨大潜力.
- 混合FFNNCOA算法与W-PSD相结合,对BCI应用有效.
- 离线BCI处理为实时使用提供了更容易管理和更准确的方法.
更多相关视频
06:32Author Spotlight: Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring
Published on: July 14, 2023
1.2K
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
933
