PulseAugur
中
实时 18:08:08
English(EN) nASR: An End-to-End Trainable Neural Layer for Channel-Level EEG Artifact Subspace Reconstruction in Real-Time BCI

新型神经层nASR增强了BCI的EEG伪影去除能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了nASR，这是一种新颖的可训练神经层，旨在改进脑机接口（BCI）的脑电图（EEG）信号处理。该新层通过引入可训练参数，克服了现有伪影子空间重建（ASR）方法的局限性，从而能够更精确地检测伪影并进行选择性的通道级重建。一项消融研究表明，nASR变体在分类指标上优于传统ASR，并显著缩短了推理时间，使其适用于实时BCI应用。 AI

影响 改进了BCI的实时EEG信号处理，有望实现更准确、响应更快的神经接口。

排序理由 发布了一篇介绍新信号处理方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型神经层nASR增强了BCI的EEG伪影去除能力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jose L. Contreras-Vidal ·

    nASR：用于实时BCI中通道级EEG伪影子空间重建的端到端可训练神经层

    Electroencephalogram (EEG) signals are highly susceptible to artifacts, resulting in a low signal-to-noise ratio which makes extraction of meaningful neural information challenging. Artifact Subspace Reconstruction (ASR) is one of the most widely used artifact filtering technique…

相关实体

相关话题