机构名称：
¥ 1.0
功能性近红外光谱 (fNIRS) 是一种非侵入性神经成像技术，通过监测脑氧合血红蛋白 ([ ∆ HbO]) 和脱氧血红蛋白 ([ ∆ HbR]) 浓度的变化来间接测量大脑活动 [ 1 ]。最近，人们对在脑机接口 (BCI) 中使用 fNIRS 的兴趣日益浓厚。BCI 的目标是将从大脑记录的信号转换为控制外部设备的命令 [ 2 , 3 ]。因此，准确分类脑信号在 BCI 应用中具有重要意义。另一方面，一组 BCI 用户是患者 (例如运动障碍者)，不幸的是，他们也可能因受伤而感到疼痛。然而，疼痛的存在预计会影响大脑活动，从而影响 BCI 的性能。在本研究中，我们首次研究了疼痛的存在如何影响与心算任务相对应的 fNIRS 数据的分类准确度。fNIRS 数据是从 2 名健康受试者身上收集的，并使用热刺激来诱发疼痛。所有通道的 [ ∆ HbR] 信号的平均值用作分类特征。采用二次核支持向量机分类器 (QSVM) 对数据进行分类。我们的分类结果表明，对于基于无痛数据训练的模型，在对有疼痛时获得的数据进行测试时，其平均分类准确度显著降低。这些结果表明，使用无痛数据训练和开发的 BCI 算法在有疼痛的情况下可能会表现不佳。因此，在为患者调整 BCI 算法时考虑疼痛因素非常重要。本文的其余部分安排如下：第 2 部分描述了实验范例和数据收集程序。第 3 部分解释了预处理和分类方法，第 4 部分介绍了结果和讨论。
疼痛对 fNIRS 分类的影响
主要关键词
相关文件推荐
