拓数据分析是否适用于基于EEG的脑电脑接口?
Xiaoqi Xu1, Nicolas Drougard2, Raphaëlle N Roy3
1INSERM U1208, 18 Avenue Doyen Lepine, Bron, Auvergne-Rhône-Alpes, 69500, FRANCE.
Journal of neural engineering
|May 14, 2025
概括
拓数据分析 (TDA) 通过分析脑电图 (EEG) 数据,显示出大脑与计算机接口 (BCI) 的前景. 持久性特征在学科间分类中提供了可比或优越的性能,推动了BCI研究.
科学领域:
- 神经科学是一个神经科学.
- 数据科学数据科学数据科学
- 机器学习 机器学习
背景情况:
- 大脑-计算机接口 (BCI) 通过大脑活动 (例如,脑电图 - EEG) 实现机器通信.
- 拓数据分析 (TDA) 从数据中提取基于形状的特征,显示出各种应用中的潜力.
- 基于EEG的BCI对TDA的系统评估是有限的.
研究的目的:
- 系统地评估TDA对基于EEG的BCI的疗效.
- 调查EEG动态的拓特征是否在精神状态之间有所不同.
- 建立一个比较TDA与已建立的BCI方法的基准.
主要方法:
- 分析了来自三个公共数据集 (机器图像和心理工作量) 的EEG数据.
- 从EEG动态中提取了拓特征,特别是持久性图.
- 用线性和非线性分类器生成和分类特征向量.
主要成果:
- 在对象内部分类中,TDA表现明显较低.
- 在跨学科分类中,TDA取得了可比或优异的表现.
- 持久性特征始终优于其他拓特征,并显示了与光谱功率的理论和实验联系.
结论:
- 这项研究是第一个在各种BCI数据集中评估TDA的,无论是对象内部还是对象间的分类.
- TDA,特别是持久性,为学科间的BCI分类提供了一种有价值的方法.
- 提供了关于持久性和经典EEG特征之间的关系的新见解.
