Numer: 09/2024 Str. 146
Autorzy: A. Ananthi , M.S.P. Subathra , S. Thomas-George , N.J. Sairamya :
Tytuł: Ekstrakcja cech oparta na entropii do klasyfikacji sygnału EEG przy użyciu transformacji falkowej Lifting Wavelet
Streszczenie: W obszarze interfejsu mózg-komputer (BCI) kluczową przeszkodą jest skuteczna klasyfikacja sygnałów obrazowania motorycznego (MI). Opracowano liczne techniki klasyfikacji MI na podstawie sygnału elektroencefalogramu (EEG). Proponowany system przekształca sygnały EEG na różne reprezentacje za pomocą transformacji falkowej Lifting Wavelet Transform (LWT). Pamięć długoterminowa Long Short Term Memory (LSTM) jest wykorzystywana do klasyfikowania wyodrębnionych wektorów cech w każdej linii. Wydajność tej metody jest oceniana w bazie danych PhysioNet, w szczególności w celu rozróżnienia ruchu obrazowania prawej i lewej ręki. Strategia ta zapewnia 100% dokładność w 19 z 72 rodzin falek LWT. Ta kombinacja okazuje się wysoce wydajnym narzędziem do analizy EEG opartej na BCI, pokazując swój potencjał jako zasobnego rozwiązania w tej dziedzinie.
Słowa kluczowe: Interfejs mózg-komputer, EEG, transformacja falkowa typu Lifting Wavelet Transform, LSTM.