脳-コンピュータインターフェースにおけるフィルターバンク共通空間模式(FBCSP)

運動イメージに基づく脳-コンピュータインターフェース(BCI)において、電気生理学的測定(EEG)から共通空間模式(CSP)アルゴリズムを使用して識別パターンを抽出できます。しかし、この空間フィルターの性能はEEGの動作周波数帯域に依存します。したがって、幅広い周波数範囲を設定するか、主観特有の周波数範囲を手動で選択することがCSPアルゴリズムで一般的に使用されます。この問題に対処するために、本論文では、キーとなる時間的空間的識別EEG特性を自動的に選択するための新しいフィルターバンク共通空間模式(FBCSP)を提案します。EEG測定が複数の周波数帯域にバンドパスフィルタリングされた後、これらの各帯域からCSP特性が抽出されます。その後、特徴選択アルゴリズムを使用して識別ペアの周波数帯域と対応するCSP特性を自動的に選択します。次に、分類アルゴリズムを使用してCSP特性を分類します。FBCSPに対して使用する特徴選択および分類アルゴリズムの性能を評価するための研究が行われます。公に利用可能なデータセットおよび健康な被験者および片側麻痺の脳卒中患者から収集されたデータに対して広範な実験結果が提示されます。特定の組み合わせの特徴選択および分類アルゴリズムを使用するFBCSPは、既存のアプローチと比較して相対的に高いクロスバリデーション精度を示します。