基于带3D Inception模块的卷积神经网络的上肢运动分类
人机交互
2020-02-05 v1 信号处理
摘要
基于脑电图（EEG）的脑机接口（BMI）可克服患者的运动缺陷并服务于健康人的现实应用。理想情况下，BMI系统检测用户运动意图并将其转化为机械臂运动的控制信号。本研究在用户意图解码方面取得进展，成功对运动执行（ME）中右臂六种不同伸展运动进行了分类。值得注意的是，我们利用机械臂运动设计了实验环境，并提出了一种带inception模块的卷积神经网络架构（CNN）以稳健分类同一肢体的执行运动。结果证实，执行时段中六个不同方向的分类准确率为0.45。结果证明，所提架构相比传统分类模型约有6~13%的性能提升。因此，我们展示了3D inception CNN架构对ME连续解码的贡献。
引用
@article{arxiv.2002.01121,
title = {Classification of Upper Limb Movements \newline Using Convolutional Neural Network \newline with 3D Inception Block},
author = {D. -Y. Lee and J. -H. Jeong and K. -H. Shim and D. -J. Kim},
journal= {arXiv preprint arXiv:2002.01121},
year = {2020}
}
备注
5 pages, accepted by BCI2020