脑电图(EEG)信号的分类在广泛的应用中很有用,例如癫痫发作检测/预测,运动图像分类,情绪分类和药物效应诊断等。随着大量的脑电图通道获取,开发有效的数据还原方法至关重要,从一个应用程序到另一种应用程序的重要性各不相同。同样重要的是,对于许多应用程序,在脑电图录制期间实现在线分类,以监视发生的变化。在本文中,我们介绍了一种基于共同信息(MI)的方法,以进行渠道选择。获得的结果表明,尽管分类精度得分受到惩罚,但使用MI技术可以实现有希望的加速增长。将MI与含有信号转变的信号时期(3秒)一起增强了这些加速增长。这项工作是探索性的,我们建议进行进一步的研究进行验证和开发。提高分类速度的好处包括改善在临床或教育环境中的应用。
translated by 谷歌翻译