技术进步使得测量来自人脑的非侵入式高质量脑电图 (EEG) 信号变得容易。因此,开发稳健且高性能的 AI 算法对于正确处理 EEG 信号和识别模式至关重要,从而产生适当的控制信号。尽管在处理运动想象 EEG 信号方面取得了进展,但情绪检测等医疗保健应用仍处于 AI 设计的早期阶段。在本文中,我们提出了一个用于识别元音的模块化框架作为脑机接口系统的 AI 部分。我们精心设计了模块,以便在给定原始 EEG 信号的情况下区分英语元音,同时避免大多数医疗保健应用在数据匮乏的环境中出现的典型问题。所提出的框架包括适当的信号分割、滤波、提取频谱特征、通过主成分分析降低维度,最后通过基于决策树的支持向量机 (DT-SVM) 进行多类分类。我们框架的性能通过测试集和重新替代(也称为表观)错误率的组合进行评估。我们提供所提议框架的算法,以便未来想要遵循相同工作流程的研究人员和开发人员轻松使用。
主要关键词