下肢运动图像中的EEG信号采集和处理的人工智能方法:系统审查

科学领域:

• 神经科学
• 生物医学工程
• 人工智能

背景情况:

• 运动影像 (MI) 涉及在没有身体动作的情况下在脑海中模拟运动.
• 来自下肢MI的脑电图 (EEG) 信号对于大脑与计算机接口 (BCI) 的发展至关重要.
• 他们的目标是帮助运动残疾人.

研究的目的:

• 系统地审查采集和处理EEG信号以检测下肢MI的方法.
• 评估人工智能 (AI) 在BCI应用中识别下肢MI的有效性.

主要方法:

• 在Scopus和IEEE Xplore中进行系统的文献搜索.
• 包括35项符合PRISMA指南的研究,来自287个记录.
• 专注于基于EEG的下肢MI使用AI.

主要成果:

• 85%的研究使用了机器/深度学习 (例如SVM,CNN,LSTM).
• 65%使用多式融合;50%使用分解算法.
• 人工智能方法提高了分类准确性,可解释性和实时潜力,但方法变化仍然存在.

结论:

• 基于人工智能的脑电图分析显示, 解码下肢运动图像具有前景.
• 方法和数据集的标准化对于临床翻译至关重要.
• 推开发便携式系统以改善神经康复结果.