تصنيف تخيل الحركة من التخطيط الكهربائي للدماغ باستخدام الشبكات العصبونية التلافيفية مع توسعة البيانات عبر مجموعات قنوات متعددة

الملخص

توفر واجهات الدماغ والحاسوب (BCI) وصلة مباشرة بين دماغ الإنسان والأجهزة الخارجية، ويُعد تخطيط كهربائية الدماغ (EEG) تقنية تسجيل غير جراحية شائعة. يمثل تخيل الحركة (MI)، وهو المحاكاة الذهنية للحركة، نموذجاً شائعاً في BCI، لكن تصنيفه الدقيق من إشارات EEG يمثل تحدياً. يقترح هذا البحث نموذج شبكة عصبونية تلافيفية (CNN) لتصنيف إشارات MI-EEG، مستخدماً استراتيجية لتوسعة البيانات تعتمد على ثلاث مجموعات قنوات سداسية. لكل تجربة MI أصلية من مجموعة البيانات EEG Motor Movement/Imagery Dataset، وبعد اعتماد 103 مشاركين و11,503 حِقبة أصلية، تم توليد ثلاث عينات مُعززة من ثلاث مجموعات قنوات مميزة (أمامية-مركزية، مركزية، ومركزية-جدارية)، بأبعاد 6 قنوات × 640 نقطة زمنية للعينة.

بعد تطبيق ترشيح نطاقي 8–40 هرتز وتطبيع z-score خاص بكل مشارك ولكل قناة، استُخدمت البيانات المعززة، وعددها 34,509 عينة، لتدريب نموذج CNN وتقييمه. حقق النموذج دقة تحقق بلغت 91.55% لخمس فئات ضمن بروتوكول التقييم المختلط/المعتمد على العينات. كما أُضيف تقييم أكثر صرامة باستخدام subject-wise 5-fold cross-validation، بحيث لا يظهر أي مشارك في التدريب والتحقق ضمن الطية نفسها، وبلغت الدقة على مستوى الحِقبة الأصلية 50.52% ± 5.82%، بينما بلغت قيمة Trial macro-F1 مقدار 50.65% ± 5.83%.