arXiv（brain-computer interface）·· 28 天前AI 评分15
EEG 运动想象脑机接口算法与技术综述
EEG-Based Motor Imagery BCI Algorithms and Technologies: A Review
AI 导读
这篇综述梳理了过去十年用于解码大脑感觉运动皮层信号的最实用处理算法，重点讨论机器学习与深度学习等 AI 算法对 MI-BCI 系统性能与效率的提升。文章还回顾了 SoC、ASIC、FPGA、可穿戴设备、IoT 及 AR/VR 等硬件平台与新兴融合技术，并探讨其与先进信号处理算法的整合，以推动下一代 MI-BCI 系统。
AI 要点
团队
第一作者 Mohammad Hossein Koohi Ghamsari，末位作者 Ahmed Hemani，共 4 位作者。
主要结果
综述近十年解码脑感觉运动皮层信号的实用处理算法，重点梳理 AI（机器学习、深度学习）对 MI-BCI 性能与效率的提升。
解决什么问题
面向 EEG 运动想象 BCI，汇总算法与硬件进展，并预测可提升实时能力的未来研究方向。
方法
文献综述，非实验研究；覆盖 SoC、ASIC、FPGA、可穿戴设备、IoT、AR/VR 等硬件平台与信号处理算法的结合。
局限
从研究设计看，为综述文章，不含原始受试者数据或对照验证。
AI 依据原文整理，未经人工核对。
来源：arXiv（brain-computer interface） · arxiv.org