用于区分卒中患者手部运动意图的基于规则的EEG分类系统

卒中患者具有脑功能障碍症状，可能严重损害患者的身体活动能力，例如手部运动冻结。尽管来自外部设备的康复训练有益于手部运动恢复，但就启动运动功能恢复目的而言，识别运动中的手部侧别仍具重要研究价值。在本初步研究中，我们使用了来自8名卒中患者的脑电图（EEG）数据集，每名受试者包含40次左手运动意图EEG试验和40次右手运动意图EEG试验。随后，我们提出了一种基于规则的EEG分类系统，用于识别卒中患者的运动侧别。具体而言，我们提取1-50 Hz功率谱特征作为一系列知名分类模型的输入特征。这些分类模型的预测标签由四类规则度量，其决定了最终预测标签。我们的实验结果表明，我们提出的基于规则的EEG分类系统达到了 $99.83 \pm 0.42 \%$ 准确率、 $99.98 \pm 0.13\%$ 精确率、 $99.66 \pm 0.84 \%$ 召回率和 $99.83 \pm 0.43\%$ f值，优于单一知名分类模型的性能。我们的发现表明，我们提出的基于规则的EEG分类系统的优越性能具有用于卒中患者手部康复的潜力。