基于健康受试者潜在 EEG 特征的中风手臂康复实时 BCI 系统
人机交互
2025-10-21 v1 人工智能
信号处理
摘要
本研究提出了面向中风患者手臂康复的实时便携式脑机接口(BCI)系统。该系统将低成本 3D 打印机器人外骨骼与嵌入式控制器结合，将脑信号转换为手部运动。使用 14 通道的 Emotiv EPOC+ 头戴式设备记录 EEG 信号，通过监督式卷积自编码器(CAE)从单次试验数据中提取有意义的潜在特征。模型在公开的来自健康个体的 EEG 数据集(WAY-EEG-GAL 数据集)上训练，电极映射适配 Emotiv 头戴式布局。经过多种测试的分类器中，Ada Boost 在离线评估中取得最高准确率(89.3%)和 F1 分数(0.89)。该系统也在五名健康受试者上进行实时测试，实现 60%至86%的分类准确率。整个管道——EEG 采集、信号处理、分类和机器人控制——部署在 NVIDIA Jetson Nano 平台上，配有实时图形界面。这些结果表明，该系统作为低成本、独立的居家神经康复解决方案具有潜力。
引用
@article{arxiv.2510.15890,
title = {A Real-Time BCI for Stroke Hand Rehabilitation Using Latent EEG Features from Healthy Subjects},
author = {F. M. Omar and A. M. Omar and K. H. Eyada and M. Rabie and M. A. Kamel and A. M. Azab},
journal= {arXiv preprint arXiv:2510.15890},
year = {2025}
}
备注
Proceedings of the 7th Novel Intelligent and Leading Emerging Sciences Conference (NILES 2025)