基于3D二次差异图和CSP的EEG信号的多视图协作集合分类

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:

• 电源成像 (ESI) 增强了脑电图 (EEG) 信号分析,用于大脑与计算机接口 (BCI).
• 目前的方法不足以解决源信号的动态变化和空间特征.
• 限制分类器的适应性和互补性阻碍了BCI的表现.

研究的目的:

• 为EEG信号提出一个多视图协作集合分类方法.
• 通过整合动态变化和空间特征来改进EEG信号解码.
• 提高BCI应用的分类器的适应性和互补性.

主要方法:

• 使用ESI将EEG信号映射到源域.
• 多视图特征提取:三维二次差异图 (3D SODP),空间特征和加权融合.
• 协作集体分类与特定主题的子分类器和投票机制.

主要成果:

• 在OpenBMI数据集上实现了81.3%和82.6%的分类准确度.
• 它的性能比最先进的方法高出近5%.
• 保持了适合在线BCI的分析响应时间.

结论:

• 多视图功能提取完全捕获源信号特征.
• 协作组合分类提高了功能利用率和BCI性能.
• 拟议的方法为在线BCI提供了一种新,准确和强大的方法.