机构名称：
¥ 2.0
摘要：中风是全球第二大死亡原因和最常见的残疾原因之一。研究人员发现脑机接口 (BCI) 技术可以更好地帮助中风患者康复。本研究使用所提出的运动想象 (MI) 框架分析了来自 8 名受试者的脑电图 (EEG) 数据集，以增强针对中风患者的基于 MI 的 BCI 系统。该框架的预处理部分包括使用传统滤波器和独立成分分析 (ICA) 去噪方法。然后计算分形维数 (FD) 和赫斯特指数 (Hur) 作为复杂性特征，并评估 Tsallis 熵 (TsEn) 和弥散熵 (DispEn) 作为不规则参数。然后使用双向方差分析 (ANOVA) 从每个参与者那里统计检索基于 MI 的 BCI 特征，以展示个体在四个类别（左手、右手、脚和舌头）中的表现。降维算法拉普拉斯特征图 (LE) 用于增强基于 MI 的 BCI 分类性能。利用 k 最近邻 (KNN)、支持向量机 (SVM) 和随机森林 (RF) 分类器，最终确定了中风后患者的组别。研究结果表明，使用 RF 和 KNN 的 LE 分别获得了 74.48% 和 73.20% 的准确率；因此，所提出的特征与 ICA 去噪技术的综合集可以准确描述所提出的 MI 框架，可用于探索四类基于 MI 的 BCI 康复。这项研究将帮助临床医生、医生和技术人员为中风患者制定良好的康复计划。
EEG 信号复杂性测量以增强 BCI-...
主要关键词
相关文件推荐
