基于 EEG 谱图的运动想象分类
人机交互
2022-11-16 v1 机器学习
信号处理
神经元与认知
摘要
脊髓损伤所致肢体运动丧失是一种可能在日常活动中影响人群的残疾。肢体运动的恢复将使脊髓损伤患者能更自然地与周围环境交互，而这正是脑机接口（BCI）系统可发挥作用之处。肢体运动想象（MI）的检测对此类 BCI 具有重要意义，所检测到的 MI 可引导计算机系统。通过脑电图（EEG）进行 MI 检测，我们可识别用户中的运动想象并将其转化为物理运动。本文中，我们利用预训练深度学习（DL）算法对想象的上肢运动进行分类。我们使用一个公开可用的 EEG 数据集，其数据代表七类肢体运动。我们计算时序 EEG 信号的谱图，并将其作为 DL 模型输入以进行 MI 分类。我们这种利用预训练 DL 算法与谱图对上肢运动进行分类的新方法，在七类运动上取得了显著提升的结果。与近期提出的当前最优（SOTA）方法相比，我们的算法在七类运动分类上取得了 84.9% 的显著平均准确率。
引用
@article{arxiv.2211.08350,
title = {Motor imagery classification using EEG spectrograms},
author = {Saadat Ullah Khan and Muhammad Majid and Syed Muhammad Anwar},
journal= {arXiv preprint arXiv:2211.08350},
year = {2022}
}
备注
Submitted to ISBI 2023