motor imagery | BriefGPT - AI 论文速递

关键词motor imagery

搜索结果 - 27

基于静息状态脑电信号的跨主体脑电运动想象分类的主体自适应迁移学习
利用静息状态脑电信号来自适应地迁移学习以模拟处理目标用户任务特定的脑电信号，实现了跨个体脑电信号分类的最新准确度，突显了前沿脑机接口系统的潜力。
PDF2 months ago
EEG2TEXT: EEG 预训练和多视角变压器下的开放词汇脑电图到文本解码
通过使用 EEG2TEXT 方法，借助 EEG 预训练和多视图变压器，能够从脑电图信号中提取更准确的开放词汇解码，并在绝对 BLEU 和 ROUGE 得分上超过现有基线方法高达 5%，显示出高性能开放词汇脑机接口与文本系统用于促进交流的巨大
PDF2 months ago
利用地球移动距离量化脑机接口中的空间域解释
利用可解释 AI 技术，在空间领域生成特征相关性，以识别模型结果的重要通道，从而提高脑机接口的可靠性和稳健性。
PDF2 months ago
BCI 运动想象解码的无监督自适应深度学习方法
在脑机接口的背景下，我们提出了一种自适应方法，能够在线上使用而不需要监督，并能够达到离线性能水平。有趣的是，我们的方法不需要对模型进行重新训练，而是使用一个冻结的高效深度学习主干网络，同时根据流式观测数据在输入和潜在空间持续对齐数据。我们证
PDF4 months ago
从校准到控制：观察脑机接口模型中的脑电特征转移
通过基于肌肉想象的脑机接口数据集，我们观察到运动相关皮质电位的标定和控制任务之间存在较大差异，并且展示了一个基于标定数据训练的 CSP 机器学习模型，对脑机接口控制的驾驶数据进行了出人意料的准确预测。
PDF4 months ago
FingerNet：基于深度神经网络的手指敲击任务下细致运动想象的脑电解码
脑机接口技术（BCI）利用脑电图（EEG）信号实现人脑与计算机之间的通信，本研究介绍了一种专门用于细微运动意象分类的网络，称为 FingerNet，通过从 EEG 信号中提取时空特征，能够在同一只手内提高分类准确性，实验结果显示 Finge
PDF4 months ago
3D-CLMI：基于 3D-CNN、LSTM 和注意力机制的运动想象 EEG 分类模型
本研究提出了一种结合三维卷积神经网络与长短期记忆网络并具有注意力机制的模型来对运动想象 - 电子脑接口信号进行分类，实验结果表明该模型在运动想象任务领域取得了更高的分类准确度和 F1 值，对于用户的运动想象意图的分类准确度有较大的提升。
PDF6 months ago
稀疏多任务学习用于高效的运动意向和执行的神经表示
为了提高大脑计算机接口（BCI）中神经数据解释和用户意图分类的效率，本研究引入了稀疏多任务学习框架，用于运动想象和运动执行任务，通过采用基于显著性的稀疏化方法来剪枝多余的连接并增强两个任务中具有高重要性的连接，以揭示与每个任务相关的不同和共
PDF7 months ago
NiSNN-A: 非迭代的脉冲神经网络加注意机制在运动意向脑电分类中的应用
通过将 SNN 和注意力机制相结合，我们提出了一种非迭代 SNN 与注意力（NiSNN-A）模型，旨在改善 EEG 分类的精度并减少能量消耗。实验结果表明，我们的模型在准确性方面超过其他 SNN 模型，并且相比于 CNN 模型，我们的模型提
PDF7 months ago
利用 Riemann 切空间映射和交叉频率耦合提升脑机接口中的运动想象解码
使用 Riemann Tangent Space Mapping 和 Dichotomous Filter Bank with Convolutional Neural Network（DFBRTS）这种新方法，该论文在 Motor Ima
PDF8 months ago
LGL-BCI: 一种轻量级几何学学习框架，适用于基于运动想象的脑机接口
这项研究介绍了 LGL-BCI 框架，采用几何深度学习方法处理脑电图并捕捉空间相关性，通过特征分解算法提出了一种减小 SPD 矩阵维度的解决方案，进而提高推理速度，该方法在实验中表现出优越的准确性和效率，显示了几何深度学习在 MI-BCI
PDF9 months ago
HappyFeat -- 一款用于临床应用的交互式高效 BCI 框架
Brain-Computer Interface (BCI) systems have specific constraints for clinical contexts, but HappyFeat, an open-source so
PDF9 months ago
脑机接口中的相位同步组件自组织
通过自主学习数据依赖的空间滤波器来自动化预处理和通道选择过程，并从原始 EEG 信号中提取基于相位同步的特征并进行分类。通过该网络学习到的最佳滤波器在训练时获得，并通过在所有舌部 MI 样本中计算两个信号对之间的 PLV，得到了平均高于 0
PDF9 months ago
基于脑电信号的运动想象分类的特征重新加权
使用非侵入性脑电信号进行运动想象分类是一项重要的目标，近期的研究表明基于卷积神经网络的方法在运动想象 - 脑电分类中得到广泛应用，文章提出了一种新的特征重新加权方法，有效降低了无关信息的影响并在实验中取得了显著的分类性能提升。
PDFa year ago
基于转移学习图神经网络的异构电极配置数据集的 EEG 信号解码
通过使用图神经网络和转移学习技术，可以有效地从多个使用不同电极布局的 EEG 数据集中聚合知识，从而在主体独立的 MI EEG 分类中实现更好的泛化。
PDFa year ago
使用多种机器学习技术解码大脑运动想象
本文研究了运动想象技术在 BCI 实验中的应用，使用不同种类的电极记录数据，运用机器学习方法建立解码器以实时预测意图。
PDFa year ago
EEGNet 家族神经网络的深度比较
本篇文章对五种神经网络进行了比较，旨在用各类公开数据库获取统计学显著结果，以排出最佳的神经网络，供未来脑机接口设计借鉴。
PDFa year ago
CropCat: EEG 信号特征分布平滑的数据增强
本研究提出了一种数据增强方法 CropCat 来改善深度学习在脑机接口领域中因缺乏数据和过度自信的问题。通过对空间和时间轴上标记不同的数据进行裁剪以及调整标签，CropCat 方法生成的数据有效地改善了 EEG 信号决策边界的不确定因素，并
PDF2 years ago
时频分析下基于 SPD 流形的图神经网络在运动想象分类中的应用
介绍了一种名为 Graph-CSPNet 的基于图的技术，结合时频分析的基本视角，用于 MI-EEG 分类。与 Tensor-CSPNet 不同，该方法在 MI-EEG 分类方面实现了更好的结果。
PDF2 years ago
基于运动意向脑电的脑机接口的人工智能方法的演变
本文研究了应用于不同年份和不同设备采集的数据集的人工智能方法在运动想象电生理信号脑机接口数据上的演变和影响，提供了简洁而全面的调查。
PDF2 years ago