利用卷积神经网络从 EEG 信号中检测抓取与抬起动作
信号处理
2022-02-15 v1 人工智能
人机交互
机器人学
摘要
患有神经肌肉功能障碍和肢体截肢的人需要自动假肢设备。在开发此类假肢时，精确检测脑运动动作对于抓取与抬起（GAL）任务至关重要。由于脑电图（EEG）的低成本和非侵入特性，它被广泛用于检测假肢工具控制过程中的运动动作。本文实现了基于 32 通道 EEG 信号的手部运动活动即 GAL 检测方法自动化。所提流程本质上结合了预处理和端到端检测步骤，消除了对手工特征工程的需求。预处理操作包括原始信号去噪（使用离散小波变换（DWT）或高通或带通滤波）和数据标准化。检测步骤由基于卷积神经网络（CNN）或长短期记忆（LSTM）的模型构成。所有研究均使用公开可用的 WAY-EEG-GAL 数据集，包含六种不同的 GAL 事件。最佳实验表明，所提框架采用基于 DWT 的去噪滤波、数据标准化和基于 CNN 的检测模型，实现了 0.944 的平均 ROC 曲线下面积。所得结果标志着所引入方法在从 EEG 信号检测 GAL 事件方面取得了优异成绩，使其可应用于假肢设备、脑机接口、机械臂等。
引用
@article{arxiv.2202.06128,
title = {Grasp-and-Lift Detection from EEG Signal Using Convolutional Neural Network},
author = {Md. Kamrul Hasan and Sifat Redwan Wahid and Faria Rahman and Shanjida Khan Maliha and Sauda Binte Rahman},
journal= {arXiv preprint arXiv:2202.06128},
year = {2022}
}
备注
Accepted in https://icaeee2022.com/