Аналіз гібридної моделі BiLSTM–BiGRU для класифікації EEG сигналів моторної уяви у системах керування інвалідними візками

Abstract

У роботі проаналізовано сучасні підходи до створення інтелектуальних систем керування інвалідними візками на основі мозково-комп’ютерних інтерфейсів (BCI). Особливу увагу приділено використанню електроенцефалографічних (EEG) сигналів моторної уяви для hand s-free навігації. Розглянуто застосування гібридної моделі BiLSTM–BiGRU, яка демонструє високу точність класифікації EEG-сигналів та перевищує результати базових алгоритмів. Отримані результати підтверджують перспективність поєднання глибинного навчання та BCI у сфері реабілітаційних технологій, спрямованих на підвищення автономності осіб з обмеженими можливостями.

This paper analyzes modern approaches to developing intelligent control systems for wheelchairs based on braincomputer interfaces (BCI). Particular attention is paid to the use of electroencephalographic (EEG) signals of motor imagery for hands-free navigation. The application of the hybrid BiLSTM–BiGRU model is examined, which demonstrates high accuracy in classifying EEG signals and outperforms the results of baseline algorithms. The results confirm the promise of combining deep learning and BCI in the field of rehabilitation technologies aimed at increasing the autonomy of people with disabilities.