典型文献
基于改进原型网络的P300脑电信号检测
文献摘要：
从脑电信号中检测P300电位是实现P300脑机接口的关键. 由于不同个体间的脑电信号存在较大差异, 现有的基于深度学习的P300检测方法均需要大量的脑电数据来训练模型. 对于小样本的患者数据, 至今仍没有令人满意的解决方案. 本文提出了一种改进的适用于小样本P300脑电信号检测的原型网络方法. 该模型通过卷积神经网络提取特征, 结合度量方法余弦相似度, 实现P300脑电信号的分类和识别. 在第3届国际脑机接口竞赛的数据集II上进行测试和比较, 取得了平均字符识别率达95％的良好识别性能. 进一步地, 我们把该方法应用于小样本的意识障碍患者意识状态检测中. 在基于命令遵循的意识状态检测实验中, 5位正常人的准确率均为100％, 10位意识障碍患者的意识状态检测结果与临床评估结果相匹配. 研究证明该模型对改进应用于小样本的P300脑机接口系统具有重要意义.
文献关键词：
脑机接口;原型网络;脑电图;P300;意识障碍
中图分类号：
作者姓名：
施翔宇;潘家辉
作者机构：
华南理工大学 自动化科学与工程学院 脑机接口与脑信息处理研究中心, 广州 510640;华南师范大学 软件学院, 佛山 528225
文献出处：
引用格式：
[1]施翔宇;潘家辉-.基于改进原型网络的P300脑电信号检测)[J].计算机系统应用,2022(03):30-37
A类：
B类：
原型网络,P300,脑电信号,信号检测,脑机接口,脑电数据,训练模型,小样本,患者数据,令人满意,提取特征,结合度,余弦相似度,II,字符识别,识别率,识别性,意识障碍,意识状态,状态检测,命令,正常人,临床评估,脑电图
AB值：
0.251287
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
