Bastian Venthur

Milo：大脑控制的轮椅 Milo帮助人们导航，而无需动手或四肢。 我们认为它对于ALS，锁定综合征或其他形式的瘫痪患者特别有用。 我们的脑机接口利用脑电图（EEG），这是一种经济实惠，可访问且无创的技术，可以检测脑部活动。 具体而言，当用户想象运动时，Milo通过检测对运动感觉皮层（与运动相关的大脑区域）中的mu节律（7-13 Hz）的抑制来使用运动图像信号进行转向。 除运动图像外，还使用眨眼信号和下颌伪影来启动和停止动作，并表示需要转弯。 使用Milo，用户可以通过眨眼或握紧下巴在前进和停止之间切换。 他们可以通过简单地考虑左右手的运动来向左或向右转。 我们还为护理人员设计了一个Web应用程序，他们可以从中实时查看轮椅使用者的位置，以确保他们的安全。 如果用户的心律不正常或发生崩溃，也会将一条短信发送给护理人员。 此外，我们还实施了辅助驾驶功能，可用于跟踪墙和避开物体。 Github

通用空间模式（CSP）算法能够解决运动图像任务脑机接口（BCI）的二进制分类问题。 本文提出了一种基于滤波器组公共空间模式（FBCSP）的新方法，称为多尺度重叠FBCSP（MO-FBCSP）。 我们通过使用一对一（OvO）策略将CSP算法扩展到多类。 选择多个周期，并将其与包含有用信息的滤波器组的重叠频谱结合在一起。 在具有9个主题的基准BCI竞赛IV数据集2a上对该方法进行了评估。 随机森林（RF）分类器的平均准确度达到80％，相应的kappa值为0.734。 定量结果表明，该方案优于经典FBCSP算法超过12％。