Un BCI basado en Plug-and-Play con una aplicación de entrenamiento cero

Área de la Ciencia:

• La neurociencia
• Ciencias de la computación
• Ingeniería biomédica

Sus antecedentes:

• Las interfaces prácticas cerebro-ordenador (BCI) a menudo requieren una extensa calibración específica del usuario y múltiples ensayos.
• Esto limita la aplicabilidad en el mundo real de los BCI basados en P300.

Objetivo del estudio:

• Desarrollar y validar un sistema P300 BCI de entrenamiento cero.
• Permitir el control en tiempo real de los dispositivos en un entorno de prueba única sin adaptación previa por parte del usuario.

Principales métodos:

• Utilizó un filtro espacial xDAWN pre-entrenado y una red neuronal convolucional profunda.
• Implementó un enfoque de capacitación cero, eliminando la necesidad de calibración específica del sujeto.
• Probó el sistema en tiempo real para controlar un dispositivo de Internet de las Cosas (IoT).

Principales resultados:

• Logró una precisión de decodificación en tiempo real del 85,2%, comparable a una precisión fuera de línea del 87,8%.
• Identificación de electrodos parietales y occipitales clave para configuraciones de BCI de alta precisión y baja densidad.
• Se demostró la viabilidad de la operación de un solo ensayo de P300 BCI sin repetición de estímulo.

Conclusiones:

• El sistema desarrollado valida un BCI P300 totalmente preentrenado y sin entrenamiento para su uso en tiempo real en un solo ensayo.
• Ofrece ideas prácticas para crear sistemas de BCI escalables, robustos y fáciles de usar.
• Hace hincapié en el potencial de despliegue inmediato de las IBC P300 sin formación específica para el usuario.