基于ReliefF-Pearson的嗅觉脑电通道选择

基于脑电(EEG)信号的气味识别研究在嗅觉功能客观评价及嗅觉障碍疾病诊断等方面具有重要的应用价值。在实际应用场景中使用过多EEG通道会带来诸多不便,因此研究如何选择EEG通道尤为重要。该文针对嗅觉EEG信号分类中的通道选择问题,提出了一种新型的基于ReliefF-Pearson的嗅觉EEG通道选择算法。该算法结合ReliefF的权值思想和Pearson系数的相关性原理对EEG通道进行选择。结果表明,与传统基于ReliefF的通道选择算法相比,该文所提算法在保证一定分类准确率的同时能够显著减少使用的通道数量,并且通道选择的结果不依赖人为经验和分类器。此外,使用该方法获取的通道,其空间分布与已有的嗅觉神经生理学位置相一致,进一步证实了该方法的科学性和有效性。该文所提算法为嗅觉EEG通道选择的研究提供了新思路。

嗅觉脑电技术在工作犬上的应用探讨

嗅觉脑电技术是一种综合性新兴技术,它是脑电技术、计算机技术和嗅觉感知技术等多学科交叉融合的产物。随着AI深度学习技术的不断发展,脑电信号越来越精细,脑电技术在人类疾病诊断、身体康复理疗、脑机接口控制等领域展现出了巨大的发展潜力。然而,目前对嗅觉脑电技术研究的关注度还不够,尤其是使用嗅觉脑电技术和传统动物嗅觉相结合的应用研究比较少。本文在分析嗅觉脑电技术研究现状的基础上,结合工作犬在搜救、搜尸、大型活动排爆安检等工作场景中的作用,探讨嗅觉脑电技术在工作犬上的应用前景,以期为工作犬的未来发展提供参考。