Adaptiver EEG-Denkmuster-Klassifikator für die fortgeschrittene Steuerung von Rollstühlen

Dieses Papier präsentiert ein Echtzeit-Elektroenzephalogramm (EEG) Klassifikationssystem mit dem Ziel, die Steuerung eines kopfgesteuerten motorisierten Rollstuhls für Patienten mit chronischer Rückenmarksverletzung (SCI) zu verbessern. Mit einem 32-Kanal-Aufzeichnungsgerät wurden mentale Befehlsdaten von 10 Teilnehmern gesammelt. Diese Daten wurden verwendet, um drei verschiedene mentale Befehle zu klassifizieren, um die bereits verfügbaren fünf Befehle, die durch Kopfbewegung gesteuert werden, zu ergänzen. Von den 32 aufgezeichneten Kanälen wurden nur 4 in der Klassifikation verwendet, was eine durchschnittliche Klassifikationsrate von 82 % erzielte. Dieses Papier zeigt auch, dass ein Vorteil durch adaptiertes Training des Klassifikators gewonnen werden kann. Das heißt, die Anpassung des Klassifikators an eine bisher nicht gesehene Person verbesserte deren durchschnittliche Erkennungsraten von 52,5 % auf bis zu 77,5 %.