使用EEG信号为固定患者提供自动姿势调整系统

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:

• 大脑-计算机接口 (BCI) 通过大脑活动实现通信和控制.
• 脑电图 (EEG) 是一种测量大脑电活动的非侵入性技术.
• 通过BCI准确识别人体姿势对于各种应用至关重要.

研究的目的:

• 开发和评估使用EEG信号识别人类姿势的BCI系统.
• 为了比较不同的人工智能模型的性能来分类运动图像任务.
• 为了引入和验证一个新的图形变换器所有注意力 (GTAA) 模型.

主要方法:

• 采用了五步分类过程,包括过和特征提取.
• 为了提取特征,采用了一个卷积循环否定自编码器 (CRDAE).
• 与注意力,时间变压器 (TT),双向长期短期存储器 (Bi-LSTM) 和拟议的图形变压器全注意力 (GTAA) 模型进行了比较.

主要成果:

• 拟议的图形变压器所有注意力 (GTAA) 模型实现了最高的分类准确性.
• 该系统通过对BCI竞争IV 2a数据集的验证来证明其可靠性和效率.
• 十次受试者交叉验证证实了拟议的BCI系统的稳定性.

结论:

• 集成先进的AI技术与EEG为实际的BCI应用提供了显著的潜力.
• 开发的BCI系统为人类姿势识别提供了准确有效的方法.
• 基于EEG的BCI分类中,GTAA模型是一个有前途的进步.