BiCurNet：基于运动前 EEG 的肱二头肌弯举轨迹估计神经解码器
信号处理
2023-12-27 v2 人机交互
摘要
从早期脑电图（EEG）信号估计运动学参数（KP）对于使用可穿戴机器人进行正向增强至关重要。然而，从表面 EEG 早期估计 KP 的相关工作很少。本工作提出一种基于深度学习的模型 BiCurNet，利用采集的 EEG 信号对肱二头肌弯举进行早期估计。该模型采用轻量架构，包含深度可分离卷积层和定制注意力模块。利用脑源成像证明了 KP 早期估计的可行性。首次将球谐与头谐域中计算高效的 EEG 特征用于 KP 预测。当利用 delta 频段中组合的 EEG 特征（空间域与谐波域）时，估计轨迹与实际轨迹之间的最佳皮尔逊相关系数（PCC）达到 。所提网络在含伪迹 EEG 信号的受试者依赖与受试者无关训练中均展现出鲁棒性。
引用
@article{arxiv.2301.03965,
title = {BiCurNet: Pre-Movement EEG based Neural Decoder for Biceps Curl Trajectory Estimation},
author = {Manali Saini and Anant Jain and Lalan Kumar and Suriya Prakash Muthukrishnan and Shubhendu Bhasin and Sitikantha Roy},
journal= {arXiv preprint arXiv:2301.03965},
year = {2023}
}