Core Concepts
Eine physik-informierte und unüberwachte Methode zur Anpassung heterogener EEG-Datensätze, die eine robuste Leistung in BCI-Aufgaben und potenziellen Biomarker-Anwendungen zeigt.
Abstract
Dieser Artikel präsentiert einen Ansatz zur Verarbeitung und Analyse von EEG-Daten, der die Herausforderungen im Zusammenhang mit unterschiedlichen Elektrodenkonfigurationen adressiert. Der Kern des Ansatzes ist eine physik-informierte, unüberwachte und quellenfreie Domänenanpassung, die auf der Interpolation des EEG-Signals basiert.
Die Autoren evaluieren ihren Ansatz im Vergleich zu anderen Methoden auf sechs öffentlichen BCI-Datensätzen für eine Klassifikationsaufgabe der rechten/linken Hand. Die Ergebnisse zeigen, dass die Feldinterpolation in Situationen mit wenigen gemeinsamen Kanälen in Train- und Testdaten konsistent bessere Klassifikationsleistungen erzielt als andere Methoden. Wenn mehr Kanäle gemeinsam sind, ist die Feldinterpolation wettbewerbsfähig mit anderen Methoden und darüber hinaus schneller zu berechnen als quellenabhängige Methoden.
Der Ansatz kann flexibel mit verschiedenen EEG-Verarbeitungspipelines verwendet werden und ist nicht auf den Kovarianzrahmen beschränkt.
Stats
Die Datensätze unterscheiden sich in der Anzahl der Probanden (4 bis 109), Kanäle (3 bis 64), Sitzungen (1 bis 5) und Durchgänge (1 bis 6).
Quotes
Keine relevanten Zitate identifiziert.