СУБЪЕКТ-СПЕЦИФИЧЕСКАЯ ОПТИМИЗАЦИЯ ПАЙПЛАЙНА ОБРАБОТКИ ЭЭГ-СИГНАЛОВ ДЛЯ МНОГО КЛАССОВОЙ КЛАССИФИКАЦИИ МОТОРНОГО ВООБРАЖЕНИЯ

Аннотация

Интерфейсы мозг-компьютер, основанные на задачах моторного воображения, требуют высокой точности классификации электроэнцефалографических сигналов, что является ключевым условием эффективного функционирования систем. Однако межсубъектная вариабельность и чувствительность сигналов к шумам существенно усложняют их обработку. Целью исследования является разработка и оценка эффективности субъект-специфической оптимизации пайплайна обработки электроэнцефалографических сигналов для многоклассовой классификации моторного воображения. В работе применён комплексный подход, включающий сегментацию сигналов, частотную и пространственную фильтрацию, извлечение признаков и линейную классификацию. Проведено сравнение базовой и оптимизированной конфигураций с использованием перекрёстной проверки. Результаты показали, что индивидуальная настройка параметров обеспечивает повышение точности классификации. Наилучший результат достигнут при использовании логистической регрессии: точность составила 86,5%, коэффициент Cohen’s kappa - 0,82. Полученные результаты подтверждают эффективность предложенного подхода и его перспективность для разработки надёжных систем управления.