拓扑数据分析（TDA）技术增强基于 ECoG 神经记录的手势分类
人机交互
2021-10-12 v1 机器学习
信号处理
神经元与认知
摘要
皮层脑电（ECoG）能很好地刻画手部运动意图与手势。在本工作中，我们旨在通过将时间序列数据的拓扑描述子引入“石头-剪刀-布”及“静息”任务，来探究增强手势分类的可能性。我们假设，一种基于拓扑数据分析的创新方法能够提取标准脑机接口（BCI）技术无法检测的隐藏信息。为验证该假设，我们将拓扑特征与频带功率特征相融合，并输入若干标准分类器（如随机森林、梯度提升）。模型选择在细致的贝叶斯超参数优化阶段后完成。我们的方法在四分类问题上观察到鲁棒的准确率结果，且所用数据有限。通过特征重要性分析，我们得出结论：拓扑描述子能够提取有用的判别信息并提供新见解。由于我们的数据仅限于单患者记录，泛化性可能受限。尽管如此，我们的方法可被扩展并应用于广泛的神经生理学记录，并可能成为未来研究的一个有趣起点。
引用
@article{arxiv.2110.04653,
title = {Topological Data Analysis (TDA) Techniques Enhance Hand Pose Classification from ECoG Neural Recordings},
author = {Simone Azeglio and Arianna Di Bernardo and Gabriele Penna and Fabrizio Pittatore and Simone Poetto and Johannes Gruenwald and Christoph Kapeller and Kyousuke Kamada and Christoph Guger},
journal= {arXiv preprint arXiv:2110.04653},
year = {2021}
}