复合肢体想象动作脑-机接口中黎曼核支持向量机递归特征筛选方法

摘要：

相对于传统的想象动作脑-机接口,复合肢体想象动作脑-机接口有效提升了指令复杂度,具有更好的中风后康复治疗潜力,但当前较低的识别精度限制了其临床应用.为提升复合肢体动作想象相关脑电信号特征的特异性并降低不同通道间的信息混淆,提出了一种基于脑电流形特征信息刻划的黎曼核支持向量机递归特征筛选方法(Riemann kernel support vector machine recursive feature elimination,RKSVM-RFE).采集了10位被试在进行想象7种不同肢体部位动作时的脑电信号数据,利用RKSVM-RFE方法进行特征优化和建模,对脑电数据对应的运动意图进行识别.结果 显示,基于所提方法的平均识别正确率达到了77％,相比于经典的CSP方法提高了近7％,并且能够消减近50％的脑电信息采集通道,可有效降低系统复杂性.研究结果为基于想象动作脑-机接口的康复技术发展提供了新的思路,值得进一步发展.

关键词：运动想象、脑-机接口、流形、特征筛选、支持向量机

所属期刊栏目：55

分类号：R318(医用一般科学)

资助基金：国家自然科学基金资助项目91648122

在线出版日期：2019-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：131-137