Key points are not available for this paper at this time.
Cet article étudie la classification de l'imagerie motrice multi-classe pour l'interface cerveau-ordinateur (BCI) basée sur l'électroencéphalogramme (EEG) en utilisant l'algorithme de filtre bancaire à motif spatial commun (FBCSP). L'algorithme FBCSP classe les mesures EEG à partir de caractéristiques construites à l'aide de filtres spatio-temporels spécifiques aux sujets. Cependant, l'algorithme FBCSP est limité à l'imagerie motrice binaire. Par conséquent, cet article propose 3 approches d'extension multi-classe à l'algorithme FBCSP : Un contre Reste, Pair-à-Pair et Diviser pour Régner. Ces approches décomposent le problème multi-classe en plusieurs problèmes de classe binaire. L'étude est réalisée sur le jeu de données du Concours BCI IV IIa, qui comprend des données EEG à essai unique de 9 sujets réalisant une imagerie motrice de quatre classes : actions de la main gauche, main droite, pied et langue. Les résultats ont montré que l'algorithme FBCSP multi-classe pouvait extraire des caractéristiques correspondant aux connaissances neurophysiologiques, et a donné la meilleure performance sur les données d'évaluation par rapport aux autres soumissions internationales.
Chin et al. (Tue,) ont étudié cette question.