AG
Все проекты

Классификаторы P300 для ЭЭГ

Поиск паттернов P300 в потоке ЭЭГ: онлайн и оффлайн классификация для интерфейса мозг-компьютер.

2014-2018

PythonMATLABSignal ProcessingMachine LearningBCI
Классификаторы P300 для ЭЭГ

Обзор

Разработка классификаторов компонента P300 в потоке электроэнцефалограммы (ЭЭГ). Для интерфейса мозг-компьютер (BCI) сделаны онлайн (в реальном времени) и оффлайн (постобработка) варианты.

Методы

  • Пространственная фильтрация (CSP, xDAWN)
  • Линейный дискриминант Фишера (LDA)
  • Метод опорных векторов (SVM)
  • Ансамблевые методы (Random Forest, Gradient Boosting)
  • Глубокое обучение (CNN для временных рядов)

Результаты

  • Точность онлайн-классификации: 85-92% в зависимости от субъекта
  • Время отклика: менее 200 мс
  • Библиотека обработки сигналов с открытым кодом

Галерея

Нейроинтерфейс для экспериментов по классификации P300
Нейроинтерфейс для экспериментов по классификации P300
Визуализация носимого устройства для интерфейса мозг-компьютер
Визуализация носимого устройства для интерфейса мозг-компьютер