Ortak Uzamsal Örüntü
Common Spatial Pattern Filter · Ayrıca şöyle bilinir: CSP, Spatial filtering, CSP decomposition
Ortak Uzamsal Örüntü (CSP), genellikle beyin-bilgisayar arayüzlerinde motor imgeleme ayrımını geliştirmek için kullanılan, iki EEG aktivite sınıfı arasındaki varyans farkını en üst düzeye çıkaran elektrot kombinasyonlarını tanımlayan bir uzamsal filtreleme tekniğidir. Ramoser ve meslektaşları tarafından 2000 yılında tanıtılan CSP, BCI araştırmalarında standart bir özellik çıkarma yöntemi haline gelmiştir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Motor imgeleme BCI sistemleri tasarlarken ve sağlam, yorumlanabilir uzamsal özelliklere ihtiyaç duyduğunuzda CSP'yi kullanın. En etkili olduğu durumlar, net frekans bandı farklılıklarına sahip iki sınıflı problemlerdir. Çok sınıflı (3+ sınıf) problemler için Çok Sınıflı CSP veya CSP-CV gibi varyantlar mevcuttur. Varsayımlar, denemeler içindeki durağanlığı, kovaryansı güvenilir bir şekilde tahmin etmek için yeterli veriyi (tipik olarak sınıflar başına 50+ deneme) ve eğitim sırasında bilinen sınıf etiketlerini içerir.
Güçlü yönler & sınırlılıklar
- Ham EEG'ye kıyasla ayrımcı beyin aktivitesinin sinyal-gürültü oranını artırır
- Hesaplama açısından verimli; kapalı form çözümü olan özdeğer ayrışımına dayanır
- Yorumlanabilir uzamsal filtreler, sınıf farklılıklarının beyinde nereden kaynaklandığını ortaya koyar
- Birçok çalışmada BCI sınıflandırma doğruluğunu tutarlı bir şekilde iyileştirir
- Kovaryansı güvenilir bir şekilde tahmin etmek için yeterli eğitim verisi (sınıflar başına 50–100+ deneme) gerektirir
- Denemeler içindeki durağanlığı varsayar; oturumdan oturuma kayma ile performans düşer
- İki sınıflı problemler için tasarlanmıştır; çok sınıflıya uzantılar daha az zariftir ve dikkatli ayarlama gerektirir
- Veri sınırlıysa aşırı uyum sağlayabilir; kovaryans tahminlerinin düzenlileştirilmesi genellikle gereklidir
SSS
CSP ile temel bileşen analizi (PCA) arasındaki ilişki nedir?
PCA, sınıf etiketlerini dikkate almadan maksimum varyans yönlerini bulur; CSP, sınıflar arasındaki maksimum varyans oranının yönlerini bulur. CSP denetimli, PCA denetimsizdir.
Kaç adet CSP filtresi kullanmalıyım?
İki sınıflı problemler için tipik olarak 2–4 filtre (en iyi m özdeğerleri ve bunların negatifleri kullanılarak). m'yi seçmek için çapraz doğrulama kullanın; aşırı uyum nedeniyle daha fazlası her zaman daha iyi değildir.
CSP tek denemeli gerçek zamanlı BCI'ye uygulanabilir mi?
Evet. Çevrimdışı eğitildikten sonra, CSP filtreleri her tek denemeye uygulanır, onu uzamsal örüntülere yansıtır. Filtrelenmiş sinyallerin varyansı hesaplanır ve bir sınıflandırıcıya (tipik olarak LDA) beslenir. Çalışma süresi milisaniyelerdir.
Kaynaklar
- Ramoser, H., Mueller-Gerking, J., & Pfurtscheller, G. (2000). Optimal spatial filtering of single trial EEG during imagined hand movement. IEEE Transactions on Rehabilitation Engineering, 8(4), 441-446. DOI: 10.1109/86.895946 ↗
- Koles, Z. J., Lazar, M. S., & Zhou, S. Z. (1991). Spatial patterns underlying population differences in the background EEG. Brain Topography, 2(4), 275-284. DOI: 10.1007/BF01129656 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Common Spatial Pattern Filter. ScholarGate. https://scholargate.app/tr/biomechanics/common-spatial-pattern
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Motor Imagery ile Beyin-Bilgisayar Arayüzü (BBA)Biyomekanik↔ karşılaştır
- EMG ZarfıBiyomekanik↔ karşılaştır
- İşaretsiz Hareket YakalamaBiyomekanik↔ karşılaştır