机构名称：
¥ 1.0
研究已经证实，在导航任务中，可以区分大脑对观察正确和错误动作的反应。此外，这些分类可以用作基于学习的 BCI 的反馈，让真实或虚拟机器人找到到达目标的准最佳路线。然而，在导航时，不仅要知道我们正朝着正确的方向朝着目标前进，还要知道我们何时到达目标。我们要求参与者观察一个虚拟机器人执行一维导航任务。我们记录了脑电图，然后对两类正确动作的反应进行了神经生理学分析：靠近目标但未到达目标的动作和到达目标的动作。此外，我们使用了时域特征的逐步线性分类器，在单次试验的基础上区分类别。第二个数据集也用于进一步测试这种单次试验分类。我们发现，在运动到达目标的情况下，P300 的幅度明显更大。有趣的是，我们能够对观察两类正确运动时引起的脑电图信号进行分类，两组数据的平均总体准确率分别为 66.5% 和 68.0%，所有参与者的准确率都高于偶然水平。作为概念验证，我们证明了使用单次试验脑电图可以对观察这些不同正确运动时产生的脑电图反应进行分类。这可以用作基于学习的 BCI 的一部分，并为更自主的 BCI 导航系统打开了一扇新的大门。
单次试验脑电图分类研究
主要关键词
相关文件推荐
