МОТОРЛЫҚ ЕЛЕСТЕТУДІҢ КӨПКЛАСТЫ КЛАССИФИКАЦИЯСЫ ҮШІН ЭЭГ-СИГНАЛДАРЫН ӨҢДЕУ ПАЙПЛАЙНЫН СУБЪЕКТ-СПЕЦИФИКАЛЫҚ ОҢТАЙЛАНДЫРУ

Аңдатпа

Моторлық елестетуге негізделген ми-компьютер интерфейстері электроэнцефалографиялық сигналдарды жоғары дәлдікпен классификациялауды талап етеді, бұл жүйелердің тиімді жұмыс істеуінің негізгі шарты болып табылады. Алайда субъектілер арасындағы вариабельділік пен сигналдардың шуға сезімталдығы олардың өңделуін едәуір қиындатады. Зерттеудің мақсаты - моторлық елестетуді көпкласты классификациялау үшін электроэнцефалографиялық сигналдарды өңдеу пайплайнын субъект-спецификалық оңтайландырудың тиімділігін әзірлеу және бағалау. Жұмыста сигналдарды сегментациялау, жиіліктік және кеңістіктік фильтрация, белгілерді бөліп алу және сызықтық классификацияны қамтитын кешенді тәсіл қолданылды. Базалық және оңтайландырылған конфигурациялар айқас тексеру әдісін қолдану арқылы салыстырылды. Нәтижелер параметрлерді жеке бейімдеу классификация дәлдігін арттыратынын көрсетті. Ең жоғары нәтиже логистикалық регрессияны қолдану кезінде алынды: дәлдік 86,5%, Cohen’s kappa коэффициенті - 0,82. Алынған нәтижелер ұсынылған тәсілдің тиімділігін және сенімді басқару жүйелерін әзірлеу үшін перспективтілігін растайды.