机构名称：
¥ 2.0
与SARS-COV2大流行期间一样，在家中提供医疗保健是降低医疗保健成本和感染风险的关键进步。特别是在运动训练应用中，可穿戴和便携式设备可用于运动和监测相关的大脑信号。在这种情况下，必须最大程度地减少监视设置以及要收集，处理和共享的数据量。在本文中，我们针对包括高维脑电图和EMG数据进行分类的监视系统解决了这一挑战。我们将EEG和EMG融合到大小平方相干（MSC）信号中，我们使用不同的算法（来自作者的一个）从中提取特征来解决二进制分类问题。最后，我们提出了一种映射和聚集的策略，以提高机器学习结果的解释性。所提出的方法提供了非常低的错误分类错误（<0。1），具有很少且稳定的MSC功能（<初始功能集的10％）。此外，我们确定了跨算法和分类问题的共同模式，即，与以前的文献一致，在8÷80 Hz中激活了8÷80 Hz的肌肉。因此，这项研究代表了可靠的EEG-EMG设置最小化以实现在家中精确的运动训练的一步。
EEG-EMG- ...
主要关键词
相关文件推荐
