Pipeline ICM typique fondé sur l’EEG, qui traite les signaux EEG bruts par filtrage passe-bande, suppression des artefacts par ICA et extraction d’époques, puis extrait les caractéristiques pertinentes (CSP, puissance de bande), avec sélection facultative des caractéristiques, et les classe avec LDA ou SVM pour générer un signal de commande.
Comprenez les décisions qui le sous-tendent.
Faut-il rejeter un segment si la suppression des artefacts par ICA échoue (oui/non) ?
Faut-il appliquer une sélection des caractéristiques pour réduire la dimension avant la classification (oui/non) ?
Pour concevoir ou documenter une chaîne de traitement des signaux EEG dédiée aux tâches d’imagerie motrice dans la recherche sur les interfaces cerveau-machine, notamment lorsque la gestion robuste des artefacts et l’optimisation des caractéristiques sont essentielles.