مرشحات مكانية-طيفية لتحسين تصنيف تجربة واحدة من تخطيط الدماغ الكهربائي

البيانات المسجلة في تجارب واجهة الدماغ-الحاسوب المعتمدة على تخطيط الدماغ الكهربائي (EEG) عادةً ما تكون صاخبة جداً، غير ثابتة، وملوثة بالآثار التي قد تضر بطرق التمييز/التصنيف. في هذه الورقة، نُوسع خوارزمية النمط المكاني المشترك (CSP) بهدف التخفيف من هذه التأثيرات السلبية. على وجه الخصوص، نقترح توسيع CSP إلى فضاء الحالة، والذي يستخدم طريقة تضمين التأخير الزمني. كما سنوضح، هذا يسمح بمرشحات ترددية مخصصة لكل موقع من مواقع الأقطاب الكهربائية، وبالتالي يؤدي إلى إجراء تعلم آلي محسن وأكثر متانة. تم التحقق من مزايا الطريقة المقترحة مقارنة بطريقة CSP الأصلية من حيث معدل نقل المعلومات المحسن (بت لكل تجربة) على مجموعة من تسجيلات EEG من تجارب تحريك الأطراف المتخيلة.