Decodifica dei parametri di presa e sollevamento tramite EEG utilizzando un modello basato sull'attenzione
Un team di ricercatori ha introdotto tre modelli di regressione—regressore dei minimi quadrati parziali, percettrone multistrato e regressore basato sull'attenzione—per interpretare vari parametri cinematici e cinetici del movimento dai segnali EEG. Hanno valutato i modelli utilizzando il dataset WAY EEG GAL in scenari sia specifici per soggetto che indipendenti dal soggetto, impiegando due approcci: un modello per tutti i parametri e modelli distinti per ciascun parametro. Il regressore basato sull'attenzione ha superato gli altri, raggiungendo un R² di 0,8 e una latenza di 29,2 millisecondi, segnando un progresso significativo nella decodifica simultanea di più parametri. Questa ricerca affronta una questione cruciale nelle interfacce cervello-macchina, in particolare per assistere individui con difficoltà motorie, inclusi sopravvissuti a ictus e amputati.
Fatti principali
- Sono proposti tre modelli di regressione: regressore dei minimi quadrati parziali, percettrone multistrato e regressore basato sull'attenzione.
- I modelli decodificano molteplici parametri cinematici e cinetici dai segnali EEG.
- La valutazione viene eseguita sul dataset WAY EEG GAL.
- Vengono testate due strategie: un singolo modello per tutti i parametri e modelli separati per ciascuno.
- Il regressore basato sull'attenzione raggiunge un R² di 0,8 e una latenza di 29,2 millisecondi.
- Lo studio si concentra su condizioni specifiche per soggetto e indipendenti dal soggetto.
- L'obiettivo è espandere l'usabilità e il controllo delle interfacce cervello-macchina.
- Gli utenti target includono sopravvissuti a ictus o amputati con mobilità limitata.
Entità
—