LBP-CSP 特征融合网络

结合一维局部二元模式与共同空间模式提取脑电特征，显著提升中枢神经性疼痛患者运动想象的分类性能。

Xu, Fangzhou · Wang, Chongfeng · Yu, Xin · Zhao, Jinzhao · Liu, Ming · Jiaqi, Zhao · Licai, Gao · Xiuquan, Jiang · Zhaoxin, Zhu · Yongjian, Wu · Wang, Dezheng · Shanxin, Feng · 尹森 · 张杨 · 冷建材

International Journal of Neural Systems 2023

参数信息

最高分类准确率

98.6 %

平均分类准确率

91.5 %

技术优势

分类准确率超高

结合一维局部二元模式与共同空间模式提取脑电特征，最高分类准确率达98.6%，优于现有方法。

平均性能稳定

在多次分类中保持平均准确率91.5%，表明方法具有较好的稳定性。

应用场景

• 脑机接口康复：利用该算法提高脑机接口中运动想象分类准确率，优化康复训练反馈。
• 神经康复评估：分析中枢神经性疼痛患者脑网络连接变化，评估神经康复效果。
• 脑控设备：提升脑控设备对患者运动意图的识别精度，使其控制更精准。
• 脑电信号分析：提供有效的特征提取与融合方法，用于脑电信号分类和脑网络构建。