m+Medelevator.RU
← Поиск публикаций
Sensors (Basel, Switzerland) · 2025

Парадигмы приобретения изображений: в поиске для повышения точности классификации.

СтатьяНазвание и аннотация: Машинный перевод · не проверен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…

История · было → стало

Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.

Reyes David, Sieghartsleitner Sebastian, Loaiza Humberto, Guger Christoph

Аннотация

В последние годы достижения в области медицины стали очевидными благодаря техническому росту и междисциплинарным исследованиям, которые позволили интегрировать знания, например инженерные знания, в области медицины. Такая интеграция привела к изменениям и новым методам, которые могут применяться в альтернативных ситуациях, выделив, например, аспекты, связанные с посттравматической терапией, множественным склерозом (МС) или лечением травматизма со спиналом Корд (СКД). Одним из методов, которые выделялись и с каждым днем получают все большее признание, является " Brain-Computer Interfaces " (BCI), благодаря приобретению и обработке электрической активности мозга, исследователям, врачам и ученым удается преобразовать эту деятельность в контрольные сигналы. В свою очередь, существует несколько методов функционирования ИБК, эта работа будет сосредоточена на использовании моторных изображений (ИМ) и трех типов парадигм приобретения (традиционная стрела, картинка и видео), стремясь повысить точность классификации задач моторного воображения для наивных субъектов, которые соответствуют задаче ИИ как для левой, так и для правой рук. Для извлечения характеристик и простых стандартных и широко используемых моделей, таких, как LDA и SVM для классификации, были внедрены трубопровод и методология с использованием алгоритма CAR+CSP. Эта методология была опробована на основе данных по предметам после нажатия (PS) с опытом работы в области ИБК, что позволило получить 96,25% точности для достижения наилучших результатов, и с использованием новой парадигмы, предложенной для наивных предметов, было получено 97,5%. Был проведен ряд статистических тестов для выявления различий между парадигмами в собранных данных. В заключение было установлено, что точность классификации может быть повышена за счет использования различных стратегий на этапе приобретения.
Оригинал публикации

Motor Imagery Acquisition Paradigms: In the Search to Improve Classification Accuracy.

In recent years, advances in medicine have been evident thanks to technological growth and interdisciplinary research, which has allowed the integration of knowledge, for example, of engineering into medical fields. This integration has generated developments and new methods that can be applied in alternative situations, highlighting, for example, aspects related to post-stroke therapies, Multiple Sclerosis (MS), or Spinal Cord Injury (SCI) treatments. One of the methods that has stood out and is gaining more acceptance every day is Brain-Computer Interfaces (BCIs), through the acquisition and processing of brain electrical activity, researchers, doctors, and scientists manage to transform this activity into control signals. In turn, there are several methods for operating a BCI, this work will focus on motor imagery (MI)-based BCI and three types of acquisition paradigms (traditional arrow, picture, and video), seeking to improve the accuracy in the classification of motor imagination tasks for naive subjects, which correspond to a MI task for both the left and the right hand. A pipeline and methodology were implemented using the CAR+CSP algorithm to extract the features and simple standard and widely used models such as LDA and SVM for classification. The methodology was tested with post-stroke (PS) subject data with BCI experience, obtaining 96.25% accuracy for the best performance, and with the novel paradigm proposed for the naive subjects, 97.5% was obtained. Several statistical tests were carried out in order to find differences between paradigms within the collected data. In conclusion, it was found that the classification accuracy could be improved by using different strategies in the acquisition stage.

Предметные рубрики MeSH

ИП Урсолов Владлен Сергеевич

ИНН 500118482352 · ОГРНИП 314500117700049

Реквизиты и контакты