非侵入式脑电信号的小波分析可区分复杂与自然抓握类型
信号处理
2025-05-19 v2 人工智能
机器学习
神经元与认知
摘要
本研究旨在从脑电图（EEG）中解码手部抓握动作，以用于灵巧神经假肢开发和脑机接口（BCI）应用，特别是针对运动障碍患者。具体而言，它侧重于利用新的基于 EEG 的 BCI 平台和小波信号处理，区分两种复杂的自然强力抓握和精细抓握，并以静止状态作为无运动条件。小波分析涉及从小波功率系数生成时频图和地形图。然后，通过使用具有新颖小波特征的机器学习技术，我们实现了较高的平均准确率：多类分类为 85.16%，无运动与强力抓握为 95.37%，无运动与精细抓握为 95.40%，强力抓握与精细抓握为 88.07%，证明了这些特征在基于 EEG 的抓握区分中的有效性。与以往研究相比，我们研究的一个关键部分是排列特征重要性分析，该分析突出了抓握分类的关键特征。结果显示，抓握期间最关键的大脑活动发生在运动皮层，位于 alpha 和 beta 频段。这些见解展示了小波特征在实时神经假肢技术和 BCI 应用中的潜力。
引用
@article{arxiv.2402.09447,
title = {Wavelet Analysis of Noninvasive EEG Signals Discriminates Complex and Natural Grasp Types},
author = {Ali Rabiee and Sima Ghafoori and Anna Cetera and Reza Abiri},
journal= {arXiv preprint arXiv:2402.09447},
year = {2025}
}