FingerFlex：从 ECoG 信号推断手指轨迹
神经元与认知
2023-04-27 v2 人机交互
机器学习
摘要
运动脑机接口（BCI）的发展关键依赖于神经时间序列解码算法。深度学习架构的最新进展允许自动特征选择以逼近数据中的高阶依赖关系。本文提出 FingerFlex 模型——一种适用于皮层脑电（ECoG）脑数据的手指运动回归的卷积编码器-解码器架构。在公开可用的 BCI competition IV dataset 4 上取得了最先进的性能，真实与预测轨迹间的相关系数最高达 0.74。所提方法为开发全功能高精度皮层运动脑机接口提供了机会。
引用
@article{arxiv.2211.01960,
title = {FingerFlex: Inferring Finger Trajectories from ECoG signals},
author = {Vladislav Lomtev and Alexander Kovalev and Alexey Timchenko},
journal= {arXiv preprint arXiv:2211.01960},
year = {2023}
}
备注
6 pages, 3 figures, 4 tables. Preprint. Under review