HemCNN：深度学习实现握力运动任务中 fNIRS 皮层信号的解码
机器学习
2021-03-10 v1
摘要
我们使用数据驱动方法，通过卷积神经网络架构 HemCNN 解决 fNIRS 左右手力解码问题。我们测试了 HemCNN 以流式方式从 fNIRS 数据解码左手或右手的解码能力。HemCNN 学会了在以自然手部动作速度 Hz 执行的抓握中检测是哪只手，其性能优于标准方法。由于 HemCNN 不需要基线校正且卷积操作对时间平移具有不变性，我们的方法有助于将 fNIRS 解锁用于各种实时任务。移动脑成像和移动脑机接口可从中受益，以发展基于类 BOLD 信号的真实世界神经科学和实用人类神经接口，用于力生成的评估、辅助和康复，例如 fNIRS 与 EEG 信号的融合。
引用
@article{arxiv.2103.05338,
title = {HemCNN: Deep Learning enables decoding of fNIRS cortical signals in hand grip motor tasks},
author = {Pablo Ortega and Aldo Faisal},
journal= {arXiv preprint arXiv:2103.05338},
year = {2021}
}