VR环境下运动想象脑电分类算法及脑机交互应用

在虚拟现实环境下开发脑机交互应用,有助于提升被试的沉浸感,可用于提升肢体运动障碍患者的康复训练效果.但是已有的运动想象脑电分类算法准确率和稳定性较低,导致基于运动想象的脑机交互应用系统实用性不高.为此,本文对脑电信号先进行时序分片,提出基于2D CNN-LSTM的运动想象脑电分类算法,对脑电信号的时序特征与通道连通性进行充分提取.使用64导联的脑电仪采集被试在VR环境下的左右手运动想象脑电信号,结果发现本文方法相较于其他方法有着更好的稳定性,离线分析时个体模型在测试集上的平均准确率达到94.8％,平均Fl-score达到0.951,优于其他算法,并存在显著性差异.此外,本文在世界脑控机器人大赛数据集上进行了测试,平均准确率达到了 88.7％,优于所对比的其他算法.在线使用个体模型对VR下运动想象脑电进行实时分类,平均准确率达到了 91.7％,相较于现有的VR-BCI有较为明显的提升.