Fractal Dimension as a discriminative feature for high accuracy classification in motor imagery EEG-based brain-computer interface

运动表象 脑-机接口 判别式 脑电图 计算机科学 人工智能 接口(物质) 模式识别(心理学) 特征(语言学) 神经生理学 语音识别 心理学 神经科学 语言学 哲学 气泡 最大气泡压力法 并行计算
作者
Sadaf Moaveninejad,Valentina D’Onofrio,Franca Tecchio,Francesco Ferracuti,Sabrina Iarlori,Andrea Monteriù,Camillo Porcaro
出处
期刊:Computer Methods and Programs in Biomedicine [Elsevier]
卷期号:244: 107944-107944 被引量:3
标识
DOI:10.1016/j.cmpb.2023.107944
摘要

The brain-computer interface (BCI) technology acquires human brain electrical signals, which can be effectively and successfully used to control external devices, potentially supporting subjects suffering from motor impairments in the interaction with the environment. To this aim, BCI systems must correctly decode and interpret neurophysiological signals reflecting the intention of the subjects to move. Therefore, the accurate classification of single events in motor tasks represents a fundamental challenge in ensuring efficient communication and control between users and BCIs. Movement-associated changes in electroencephalographic (EEG) sensorimotor rhythms, such as event-related desynchronization (ERD), are well-known features of discriminating motor tasks. Fractal dimension (FD) can be used to evaluate the complexity and self-similarity in brain signals, potentially providing complementary information to frequency-based signal features. In the present work, we introduce FD as a novel feature for subject-independent event classification, and we test several machine learning (ML) models in behavioural tasks of motor imagery (MI) and motor execution (ME). Our results show that FD improves the classification accuracy of ML compared to ERD. Furthermore, unilateral hand movements have higher classification accuracy than bilateral movements in both MI and ME tasks. These results provide further insights into subject-independent event classification in BCI systems and demonstrate the potential of FD as a discriminative feature for EEG signals.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
酷炫小懒虫完成签到,获得积分10
刚刚
杰尼龟006完成签到,获得积分10
1秒前
kksk发布了新的文献求助10
2秒前
bkagyin应助shawn采纳,获得10
3秒前
小柒柒完成签到,获得积分10
3秒前
情怀应助甜甜元绿采纳,获得10
3秒前
4秒前
5秒前
6秒前
6秒前
机械学渣发布了新的文献求助30
7秒前
7秒前
今后应助夕痕采纳,获得10
8秒前
Lucas应助凄凉山谷的风采纳,获得10
8秒前
李健的小迷弟应助Katie采纳,获得10
8秒前
JamesPei应助甜蜜的振家采纳,获得10
9秒前
CATH发布了新的文献求助10
10秒前
10秒前
mahuahua发布了新的文献求助10
10秒前
桑榆。完成签到,获得积分20
10秒前
KK发布了新的文献求助10
10秒前
LINING完成签到,获得积分10
11秒前
11秒前
12秒前
桐桐应助li_xiao_mu采纳,获得10
12秒前
14秒前
阳光万声发布了新的文献求助10
14秒前
ggg发布了新的文献求助10
15秒前
15秒前
16秒前
淡然完成签到,获得积分10
16秒前
苏书白应助凄凉山谷的风采纳,获得10
16秒前
情怀应助lulu采纳,获得10
16秒前
rsy发布了新的文献求助10
16秒前
小鹿斑比完成签到,获得积分10
17秒前
深情的果汁关注了科研通微信公众号
17秒前
我是老大应助桑榆。采纳,获得10
18秒前
SciGo发布了新的文献求助10
19秒前
19秒前
19秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3156157
求助须知:如何正确求助?哪些是违规求助? 2807647
关于积分的说明 7873898
捐赠科研通 2465881
什么是DOI,文献DOI怎么找? 1312484
科研通“疑难数据库(出版商)”最低求助积分说明 630109
版权声明 601905