对EEG信号的动态图形表示,用于语音图像识别
Cengiz Selcuk1, Nikolaos V Boulgouris1
1Department of Electronic and Electrical Engineering, Brunel University of London, Uxbridge, London UB8 3PH, United Kingdom.
Journal of neural engineering
|December 30, 2025
概括
本研究引入了电脑电图 (EEG) 信号的动态图表表示,以改善语音图像识别. 这种新方法提高了被锁定患者的大脑计算机接口的准确性.
科学领域:
- 神经科学是一个神经科学.
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 使用脑电图 (EEG) 识别语音图像对于脑电脑接口 (BCI) 至关重要,特别是在严重运动障碍患者中.
- 传统方法与EEG信号的动态和复杂性作斗争,限制了BCI的性能.
- 现有的静态图模型无法捕捉EEG数据中的时间变化的相关性.
研究的目的:
- 使用图形信号处理开发一种更有效的EEG信号表示,用于语音图像识别.
- 引入一种动态图表表示,能够建模EEG数据中的波动相关性.
- 为了提高BCI的准确性和稳定性,用于诸如协助被锁定患者等应用.
主要方法:
- 提出了一个动态图表表示,使用多个时间变化的EEG通道之间的相关性图表.
- 提取的图表频率特征以捕捉EEG信号的空间模式和时间演变.
- 利用基于注意力的长期短期记忆网络进行分类.
- 引入了一种新的EEG数据增强技术,以改善模型训练.
主要成果:
- 动态图形特征在语音图像识别中表现出优越的性能,与传统的时间频率特征相比.
- 拟议的系统比当前最先进的方法获得了高达10%的准确性.
- 实验评估证实了动态图表方法的有效性.
结论:
- 动态图形表示有效地捕捉了EEG信号中的时间变化的空间关系,超过了静态图形模型.
- 集成动态图表功能,数据增强和基于注意力的分类显著改善了语音图像识别.
- 这种方法为BCI提供了有希望的进步,特别是在与严重残疾人沟通和互动方面.
