一种通过从EEG信号估计肌肉活动模式分类自然抓握动作的新方法
人机交互
2020-02-06 v1 信号处理
摘要
开发基于脑电图(EEG)的脑机接口(BCI)系统具有挑战性。本研究中，我们分析来自EEG的自然抓握动作。十名健康受试者参与了本实验。他们执行并想象了三种持续抓握动作。我们提出一种通过从EEG信号估计肌肉活动模式以提高整体分类准确率的新方法。为实现该方法，我们同步记录了EEG与肌电图(EMG)。利用从EEG信号估计的模式与从EMG信号得到的活动模式之间的相似性进行比较，其分类准确率高于对比方法。结果，我们获得了实际运动平均分类准确率63.89(7.54)%、运动想象46.96(15.30)%，分别比对比模型结果高21.59%和5.66%。该结果令人鼓舞，所提方法有望用于未来应用，例如BCI驱动的机器人控制以处理各类日常用品。
引用
@article{arxiv.2002.00556,
title = {A novel approach to classify natural grasp actions by estimating muscle activity patterns from EEG signals},
author = {Jeong-Hyun Cho and Ji-Hoon Jeong and Dong-Joo Kim and Seong-Whan Lee},
journal= {arXiv preprint arXiv:2002.00556},
year = {2020}
}
备注
4 pages, 4 figures, conference