机构名称：
¥ 1.0
摘要 — 从脑电图信号中对不同的精细手部运动进行分类代表着相关的研究挑战，例如在用于运动康复的脑机接口应用中。在这里，我们分析了两个不同的数据集，其中精细手部运动（触摸、抓握、手掌和侧抓握）以自定节奏的方式执行。我们训练并测试了一个新提出的卷积神经网络（CNN），并将其分类性能与两个成熟的机器学习模型进行了比较，即收缩 LDA 和随机森林。与以前的文献相比，我们利用神经科学领域的知识，并在所谓的运动相关皮质电位（MRCP）上训练我们的 CNN 模型。它们是低频（即（0.3,3）Hz）的脑电图幅度调制，已被证明可以编码运动的几种属性，例如抓握类型、力量水平和速度。我们表明，CNN 在两个数据集中都取得了良好的表现，并且与基线模型相似或优于基线模型。此外，与基线相比，我们的 CNN 需要更轻松、更快速的预处理程序，为其在线模式（例如，许多脑机接口应用）中的可能使用铺平了道路。
基于深度学习的精细手部分类......
主要关键词
相关文件推荐
