Metody analýzy dat z představy pohybu

Abstract

Představa pohybu (motor imagery, MI) je klíčovým paradigmatem v oblasti rozhraní mozek-počítač (BCI), které umožňuje komunikaci mezi člověkem a externím za- řízením prostřednictvím mentální simulace pohybu bez fyzické aktivity. Cílem této práce je navrhnout a představit konkurenceschopnou metodu klasifikace MI signálů, která bude použitelná v reálném čase. V rámci práce je porovnáno několik veřejně dostupných datasetů, přičemž tři z nich jsou vybrány pro experimentální vyhodnocení. Dále jsou popsány různé existující klasifikační metody, které inspirovaly vývoj nové architektury. Tato práce představuje model, který kombinuje temporální konvoluční neuronovou síť (TCN) a Transformer encoder. Navržená architektura byla testována na třech vybraných datasetech a dosáhla slibných výsledků: od 44,89% přesnosti při klasifikaci do čtyř tříd až po 84,84% přesnosti při klasifikaci do dvou tříd. Model byl rovněž testován na real-time datech, přičemž výsledky ukazují jeho potenciál pro praktické nasazení a použití v reálném čase.