机构名称：
¥ 1.0
基于共同脑电图（EEG）的非侵入性大脑 - 计算机界面（BCI）仅限于特定的仪器位点和频带。这些BCI诱导认知任务的某些目标脑电图特征，识别它们并确定BCI的性能，并使用机器学习来提取这些脑电图特征，从而使它们非常耗时。此外，存在使用BCI的神经居住的问题，无法接受卧床和立即的康复培训。因此，我们提出了一个探索性BCI，该BCI并未限制目标脑电图特征。This system did not determine the electroencephalographic features in advance, determined the frequency bands and measurement sites appropriate for detecting electroencephalographic features based on their target movements, measured the electroencephalogram, created each rule (template) with only large “High” or small “Low” electroencephalograms for arbitrarily determined thresholds (classification of cognitive tasks in the imaginary state of moving the feet by the size of由每个频段中EEG的功率谱构成的区域），并通过使用基于模糊的推理基于基于推理的模板匹配方法（FTM）来检测与在电机任务期间的规则一致的脑电图来成功检测到运动意图。但是，该BCI获得的脑电图特征尚不清楚，并且尚不清楚它们对实际脑梗塞患者的有用性。因此，这项研究清楚地表明了启发式BCI捕获的脑电图特征，并通过将其应用于脑梗塞患者的应用来确定该系统的有效性和挑战。
多功能V型CRISPR效应器及其应用前景
主要关键词
相关文件推荐
