机构名称：
¥ 1.0
摘要目的是基于运动图像（MI）的大脑 - 计算机界面（BCI），由于其具有潮流和便利性，引起了广泛的兴趣。但是，传统的MI范式受到诱发的脑电图信号的弱特征的限制，这通常会导致分类性能较低。方法中，提出了一种新颖的范式来改善BCI表现，通过语音虚构与无声阅读（SR）和写作图像（WI）相结合，而不是想象身体运动。根据提示，在这个多模式（想象中的声音和动作）范式中，受试者静静地读中文拼音（发音），并想象地写下了汉字。结果通过在不同的实验中执行传统的MI和拟议的Para-Digm，以进行二进制分类任务。77.03％的平均分类精度是通过新范式获得的，而传统范式获得了68.96％。结论实验的结果表明，所提出的范式唤起了更强的特征，从而有利于策略。这项工作为使用BCI的特定范式通过多模式活动/刺激唤起更强的脑电图特征打开了新的观点。
使用多模式语音图像改善运动图像脑 - 计算机界面
主要关键词
相关文件推荐
