NeuroAssist：通过自适应AI和高级神经解码提升认知-计算机协同的EEG信号分类
信号处理
2024-06-05 v1 神经元与认知
摘要
传统方法控制义肢时常遇到灵活性和响应性问题，这会显著影响具有不同认知和身体能力的人群。近期，计算神经科学和机器学习(ML)的发展导致高度先进的脑机接口(BCI)系统的开发，这些系统可以根据个人需求进行定制。为解决这些问题，我们提出NeuroAssist，这是一种分析EEG数据的新方法，将最先进的BCI技术与可适应的人工智能(AI)算法相结合。NeuroAssist的混合神经网络设计有效克服了传统EEG数据处理的限制。我们的 methodology 将自然语言处理(NLP)BERT模型用于从数值EEG数据中提取复杂特征，利用LSTM网络处理时序动态。此外，我们集成了脉冲神经网络(SNN)和深度Q网络(DQN)，以提高决策和灵活性。我们的预处理方法使用常见空间模式(CSP)对运动想象(MI)进行一对多分类，同时保留EEG的时序特征。NeuroAssist的混合架构作为DQN的Q网络，实现持续反馈式改进和适应性，使其能够通过试错获取最优动作。这一实验分析在GigaScience和BCI比赛-IV-2a数据集上进行，显示出对MI-EEG信号分类的卓越效果，实现了惊人的99.17%分类准确率。NeuroAssist为当前辅助技术提供了关键方法， potentially enhance BCI系统的速度和灵活性。
引用
@article{arxiv.2406.01600,
title = {NeuroAssist: Enhancing Cognitive-Computer Synergy with Adaptive AI and Advanced Neural Decoding for Efficient EEG Signal Classification},
author = {Eeshan G. Dandamudi},
journal= {arXiv preprint arXiv:2406.01600},
year = {2024}
}