机构名称：
¥ 1.0
功能性近红外光谱（FNIRS）由于其优势，例如非侵入性，用户安全性，可负担性和可移植性，引起了脑部计算机界面（BCI）（BCI）的越来越多的关注。但是，FNIRS信号是高度主题的，并且重新测试可靠性较低。因此，在每次使用基于FNIRS的BCI之前，都需要使用个体的校准，以实现实用BCI应用的高度高性能。在这项研究中，我们提出了一种基于基于受试者的基于受试者FNIRS的BCI的新型深卷卷神经网络（CNN）的方法。共有18名参与者进行了基于FNIRS的BCI实验，该实验的主要目标是将精神算术任务与闲置状态任务区分开。采用了一项受试者的交叉验证，以评估所提出的基于受试者的基于FNIRS的BCI的平均分类精度。结果，据报道，该方法的平均分类准确性为71.20±8.74％，高于有效BCI通信的阈值准确性（70％），以及使用常规收缩线性判别分析获得的（65.74±7.68％）。要达到与拟议的基于受试者的基于FNIRS的BCI相当的分类精度，对于基于传统的受试者基于FNIRS的BCI，必须进行24次培训试验（约12分钟）。预计我们的基于CNN的方法将减少长期个人校准会话的必要性，从而显着增强基于FNIRS的BCIS的实用性。
主题无关的功能近红外光谱...
主要关键词
相关文件推荐
