1. 首頁 > 科技 > >

松下|在現實生活中，環境的變化和用戶的移動會產生很多的噪音和腦電圖偽影

相機松下lumix

松下|在現實生活中，環境的變化和用戶的移動會產生很多的噪音和腦電圖偽影

文章圖片

松下|在現實生活中，環境的變化和用戶的移動會產生很多的噪音和腦電圖偽影

文章圖片

松下|在現實生活中，環境的變化和用戶的移動會產生很多的噪音和腦電圖偽影

文章圖片


根據對六十一名肌萎縮性側索硬化癥患者進行的一項調查 ， 大多數參與者更喜歡至少百分之九十的命令分類準確率 ， 不幸的是 ， 目前基于語音圖像的腦機接口開發無法實現這一點 。 通過在數據處理、特征提取方法和分類模型方面開發更強大的算法 ， 可以進一步提高分類精度 。 系統還需要在其他方面進行改進 。 首先 ， 目前大多數基于語音圖像的腦機接口研究 ， 都是在實驗室中進行的 ， 以最大限度地減少來自環境的噪音 ， 并且在受試者靜止不動時獲取數據 。


在現實生活中 ， 環境的不斷變化和用戶的移動會產生更多的噪音和腦電圖偽影 。 因此 ， 需要降噪和腦電偽影去除方法來使系統高效工作 。 其次 ， 由于腦電圖是非平穩的生物信號 ， 可能會隨著時間、環境和人體狀況而變化 ， 因此系統模型每次使用前都需要校準 。 這個問題可以通過使用通用模型或遷移學習技術來緩解 。 遷移學習是一種通過利用來自源域的知識來提高目標域的學習性能來提高機器學習模型的泛化性的方法 。

最近的研究表明 ， 遷移學習技術可以在主體內和主體間的基礎上提高基于語音圖像的腦機接口系統中模型的性能 。 此外 ， 由于這項研究僅針對健康受試者進行 ， 因此有必要重復該實驗以確認同樣的結果也適用于患有閉鎖綜合征或肌萎縮性側索硬化癥的患者 。 此外 ， 運動想象研究表明 ， 來自嘗試運動的大腦信號比來自想象運動的信號更類似于來自實際運動的信號 ， 這可能是由于在運動想象任務期間發生的運動抑制機制 。


使用嘗試移動任務的基于運動想象的腦機接口系統也優于使用運動想象任務的系統 。 因此 ， 進行一項研究以比較從實際、嘗試和想象的語音中獲得的大腦信號與其在腦機接口系統中的各自表現之間的比較是很有趣的 。 在這項研究中 ， 科學家們提出了一種語音-基于圖像的腦機接口系統 ， 以耳腦電圖為數據采集方法 ， 最終目標是構建一個良好的日常生活腦機接口框架 。

所提出的系統使用腦電圖協方差矩陣的黎曼切線空間投影作為具有多層極限學習機的輸入特征來對數據進行分類 。 從數據分析中 ， 研究人員們發現一些證據表明 ， 在語音圖像任務中 ， 布羅卡和韋尼克區域在伽馬頻帶中的大腦活動占主導地位 。 多類語音圖像實驗的結果表明 ， 盡管頭皮腦電圖在所有受試者中的平均準確度略高 ， 但在十分之七的受試者中 ， 耳腦電圖的分類結果與頭皮腦電圖沒有顯著差異 。


此外 ， 使用ELM模型將耳朵腦電圖特征映射到頭皮腦電圖特征空間并不能顯著提高系統的分類精度 。 總體而言 ， 這項研究的結果表明 ， 對于基于語音圖像的腦機接口系統 ， 耳腦電圖采集方法具有作為傳統頭皮腦電圖更方便和謹慎的替代方案的巨大潛力 。 建議未來對基于語音圖像的腦機接口的研究應開發更強大的數據處理和機器學習技術 ， 以提高分類準確性 ， 然后再將其用于實際應用 。 隨著基于腦電圖的應用的增長 ， 對經濟實惠的消費者解決方案的需求也在增加 。

相關經驗推薦