直觉

渐进关系网络：基于少量脑电图学习解码直觉上肢运动想象

摘要 —脑机接口 (BCI) 是一种连接用户和外部设备的通信工具。在实时 BCI 环境中，每个用户和每个会话都需要进行校准过程。此过程消耗大量时间，阻碍了 BCI 系统在真实场景中的应用。为了避免这个问题，我们采用基于度量的少样本学习方法，使用可以逐步考虑时间和光谱组组合的渐进关系网络 (GRN) 来解码直觉上肢运动想象 (MI)。我们从 25 名受试者那里获取了与直觉上肢运动相关的上臂、前臂和手的 MI 数据。在 1 次、5 次和 25 次设置下，离线分析下的总平均多类分类结果分别为 42.57%、55.60% 和 80.85%。此外，我们可以使用少样本方法在实时机械臂控制场景中展示直观 MI 解码的可行性。五名参与者在饮水任务中可实现 78% 的成功率。因此，我们展示了通过关注人体部位缩短校准时间的在线机械臂控制的可行性，同时也展示了基于所提出的 GRN 适应各种未经训练的直观 MI 解码。