XiaoMi-AI文件搜索系统
World File Search SystemPerimetral
通过脑电图识别下肢运动任务……
1 电气与计算机工程学院，滨海理工学院（ESPOL），Gustavo Galindo 校区，地址：瓜亚基尔 Perimetral Vía 30.5 公里，邮政信箱：09-01-5863，厄瓜多尔； epelaez@espol.edu.ec 2 神经成像和生物工程实验室（LNB），机械工程和生产科学学院，Escuela Superior Politécnica del Litoral（ESPOL），Campus Gustavo Galindo km 30.5 Vía Perimetral，瓜亚基尔 PO Box 09-01-5863，厄瓜多尔； floayza@espol.edu.ec 3 卡尔奇州立理工大学研究生中心，图尔坎 040101，厄瓜多尔； leandro.lorente@upec.edu.ec 4 纳里尼奥自治大学工程学院，帕斯托 520001，哥伦比亚； peluffo.diego@um6p.ma 5 建模、模拟和数据分析 (MSDA) 研究项目，穆罕默德六世理工大学，Ben Guerir 43150，摩洛哥 * 通信地址：vasanza@espol.edu.ec † 这些作者对这项工作做出了同等贡献。
手足运动和想象运动任务的脑电信号聚类
厄瓜多尔瓜亚基尔高等政治学院，ESPOL 电气和计算机工程系，Gustavo Galindo 校区，Perimetral 路 30.5 号，邮政信箱 09-01-5863，瓜亚基尔，厄瓜多尔 {vasanza 1、epelaez 2、floayza 3}@espol.edu.ec 摘要 —。现代技术使用脑机接口 (BCI) 来控制身体有障碍人士的设备或假肢。在某些情况下，EEG 数据用于确定受试者在执行运动和想象运动任务时的意向性。然而，由于获取的电压水平较低，EEG 信号很容易受到噪声的影响。我们使用了 25 名健康受试者在进行手脚运动和想象运动时 64 个 EEG 记录的数据集。数据经过预处理，包括设计滤波器以降低操作 EEG 信号的预期频谱之外的噪声。然后，我们使用基于谱密度的特征提取。最后，应用五种聚类算法来检测运动和想象运动任务。结果表明，k-means、k-medoids 和层次聚类算法可以更好地检测运动活动，而层次聚类则更适合手部的想象任务。