Üst uzuvlarda hareket tahayyülünün riemann uzayında çok kanallı EEG sinyalleri ile ıncelenmesi

Motor hareket imgelemeyi (MI) elektroensefalografi (EEG) ile cözümlemek, beyin-bilgisayar arayüzü (BCI) uygulamaları için temel bir adımdır. Bu çalışma, xDAWN uzamsal filtresi ile zenginleştirilmiş hareketle ilişkili kortikal potansiyeller (MRCP) kullanılarak, Ortalamaya En Yakın Mesafe (MDM) ve Teğet Uzaya Har italama ile birleştirilmiş Doğrusal Ayrıştırım İncelemesi (TSM-LDA) olarak bilinen Riemann geometrisine dayalı yöntemlerle sınıflandırılmasını incelemektedir. Hem tek katılımcı (within-subject) hem de katılımcılar arası (cross-subject) senaryolar için ikili (hareket vs. dinlenme) ve çoklu sınıf görevleri için değerlendirilmiş ve analiz pencere uzunluğu (100 ms–1 s) ile frekans bantlarının (0.3–3 Hz ve 7–30 Hz) etkileri incelen miştir. Sonuçlar, denek-içi ikili sınıflandırmada %71'e kadar doğruluk elde edildiğini gösterirken, en yüksek ayrıcı aktivitenin olarak komut başlangıcından 1.2–1.3 saniye sonra meydana geldiğini, denekler-arası ikili sınıflandırmada ise doğruluğun yaklaşık %67 ve en yüksek gecikme 1.3–1.4 saniye olduğunu ortaya koymaktadır. Çoklu sınıflan dırmada denek-içi doğruluk 22–24% iken, denekler-arası değerlendirmede yaklaşık %20 seviyesine düşmektedir. Daha uzun zaman pencereleri performansı tutarlı bir şekilde iyileştirmiş ve xDAWN süzgeci sinyal-gürültü oranını artırmıştır. Karıştırma matrisi analizi, en hatalı sınıflandırmaların benzer hareket tipleri arasında meydana geldiğini göstermiştir. Bu bulgular, MRCP tabanlı Riemann çözümlemesinin nöroprotezlerin denetimi alanında kullanım potansiyelini göstermekte ve sağlam, kalibrasyon gerek tirmeyen BCI sistemleri için gelişmiş özellik çıkarım yöntemlerinin önemini vurgula maktadır