基于双通道方法的脑内 EEG 信号解码：通过空间信息集成提升准确率
人机交互
2025-12-09 v2 信号处理
摘要
脑内 EEG (iEEG) 录音具有高空间和时间分辨率以及优异的信噪比 (SNR)，使其能够为神经解码开发出精确的脑机接口 (BCI) 系统。然而，由于手术的侵入性质，iEEG 数据集的可用性在参与者数量和录制 session 持续时间方面受到显著限制。为此，我们提出了一个针对解码 iEEG 信号的单参与者机器学习模型。该模型采用 18 个关键特征， operates in two modes: 最佳通道模式和组合通道模式。组合通道模式整合来自多个脑区的空间信息，实现更佳的分类性能。基于 Music Reconstruction、Audio Visual 和 AJILE12 三个数据集的评估显示，组合通道模式在所有分类器中均优于最佳通道模式。在最佳表现的情况下，Random Forest 在 Music Reconstruction 数据集上达到 0.81 +/- 0.05 的 F1 分数，在 Audio Visual 数据集上达到 0.82 +/- 0.10 的 F1 分数，而 XGBoost 在 AJILE12 数据集上达到 0.84 +/- 0.08 的 F1 分数。此外，对脑区贡献的分析显示，组合通道模式下的模型识别出与每个任务的生理预期相符的相关脑区，并有效地整合这些脑区电极的数据以实现高性能。这些发现凸显了整合脑区之间空间信息以提高任务解码潜力的前景，为推动 BCI 系统和神经技术应用提供了新的途径。
引用
@article{arxiv.2412.06336,
title = {A Combined Channel Approach for Decoding Intracranial EEG Signals: Enhancing Accuracy through Spatial Information Integration},
author = {Maryam Ostadsharif Memar and Navid Ziaei and Behzad Nazari},
journal= {arXiv preprint arXiv:2412.06336},
year = {2025}
}