北京，2023年12月7日/PRNewswire/-全球領先的全息增強現實（“AR”）技術提供商WiMi全息雲股份有限公司（NASDAQ:WiMi）（“WiMi”或“公司”）今天宣布，它開發了基于可解釋人工智能（XAI）的fNIRS神經圖像分類，為腦機接口技術的發展帶來了突破。通過将最新的人工智能技術與腦機接口解析相結合，該系統有望帶來腦機接口技術的進步。
WiMi基于XAI的fNIRS神經圖像分類系統由幾個關鍵模塊組成，這些模塊共同處理、分析和解釋數據，以實現準确的大腦活動分類和解釋。系統架構旨在提高分類的準确性和可解釋性，并确保系統的準确性和實用性。該系統包括一個數據預處理模塊，用于對原始fNIRS數據進行濾波、去噪和歸一化，以提高後續數據分析的準确性。
WiMi基于XAI的fNIRSfNIRS神經圖像分類系統采用了兩個關鍵的分類模塊，即基于一維滑動窗的卷積神經網絡（CNN）和長短期記憶（LSTM）神經網絡。這兩個模塊分别用于對不同類型的大腦活動模式進行分類，從而提高了系統的适用性和泛化能力。為了滿足解釋模型輸出的需求，該系統引入了一個可解釋性模塊，該模塊使用機器學習可解釋性工具SHapley Additive exPlanations（SHAP）來解釋CNN模型的輸出。通過解釋模型輸入變量，該系統能夠識别對特定大腦活動分類貢獻最大的特征，幫助研究人員深入了解大腦活動模式與外部設備控制之間的關聯。
通過這些方法和技術，該系統能夠有效地将fNIRS數據轉換為可解釋的分類結果。數據的預處理、CNN和LSTM模型的應用以及SHAP解釋模塊共同構成了該系統的核心，使其能夠提高大腦活動分類的準确性，并為研究人員提供可解釋的結果。
WiMi基于XAI的fNIRSfNIRS神經圖像分類系統顯示出良好的應用前景和潛力。在真實的腦控機器人、假肢控制和虛拟現實場景中，該系統的高精度分類結果為設備控制提供了可靠的支持，并為腦機接口技術在醫療康複和虛拟現實中的應用提供了新的可能性。
WiMi基于XAI的fNIRSfNIRS神經圖像分類系統的研究和應用為腦科學領域帶來了新的見解。通過解釋模塊解析大腦活動模式，該系統為研究人員揭示了大腦功能區域之間的聯系和作用機制，促進了整個腦科學領域的發展。這些重要結果表明，基于XAI的fNIRSfNIRS神經圖像分類系統不僅提高了大腦活動的分類精度，而且為腦機接口的發展和應用帶來了新的視角。可以預見，它将推動腦機接口在未來的發展和普及，并給人與機器的互動帶來革命性的變化。
