机构名称：
¥ 1.0
分析脑电图 (EEG) 信号以确定人所经历的视觉刺激的性质是一个活跃的研究领域。它是了解人脑与行为之间联系的关键，尤其是对于脑机接口 (BCI) 应用和神经系统疾病患者的康复。在这项研究中，我们进行了一项比较视觉处理两个阶段的实验，确定了与它们相关的不同 EEG 信号，然后使用分类器区分这两个阶段。EEG 数据是使用特征结合实验收集的，该实验要求受试者在 100 毫秒和 1500 毫秒后检测颜色和形状结合的变化。这些研究测试间隔表示的两个阶段是使用从时域和频域提取的特征确定的。这些用于分别训练各种机器学习分类器。信号的时频域表示用于训练卷积神经网络 (CNN)。获得了有希望的结果。因此，这篇论文的贡献是双重的。首先，我们使用深度学习进行 EEG 数据分析，以确定 EEG 试验属于 100 毫秒类还是 1500 毫秒类。其次，我们将这些结果联系起来，预测人类大脑中视觉处理和视觉特征绑定的不同阶段。因此，深度学习可以帮助我们预测视觉处理的阶段，从而解锁有关大脑功能时间动态的重要见解。这有助于为 BCI 应用构建相关工具，例如对视觉特征绑定受损的受试者进行神经康复。
生物医学信号处理与控制 - SBILab - IIIT-Delhi
主要关键词
相关文件推荐
