相互情報メカニズムに基づいた複数のユーザのEEG共有情報の強化学習解読方法

科学分野:

• 神経科学
• 人工知能
• 生物医学工学

背景:

• マルチユーザーモーターイメージングの脳コンピュータインターフェース (BCI) は,意思決定と社会的なやり取りを向上させるのに有望です.
• 複数ユーザのBCIの現在の解読方法は限られており,しばしば基本的な機能統合を使用し,複雑な脳間関係を捉えることができません.
• これは複数のユーザーソースからの不完全な情報抽出につながります.

研究 の 目的:

• マルチユーザーBCIのための高度な脳波解読法 (EEG) を開発する.
• 複数のユーザーに共通する情報の抽出を強化し,現在の解読技術の限界に対処する.
• マルチユーザのBCIシステムの正確性と効率性を向上させる.

主な方法:

• 相互情報メカニズムを利用した新しい強化学習 (RL) ベースのEEG解読方法.
• RLチャネル選択における報酬/罰の相互情報を持つダイナミックフィードバックモデルの実装.
• 選択された単一脳と脳間信号から自動的に結合された特性を抽出するために深層ニューラルネットワークを使用します.
• 最終的な出力を決定するために,前頭部EEG信号に基づく注意投票メカニズムを使用します.

主要な成果:

• 単脳と比べると 平均16%の精度が向上しました
• RLモジュールは精度を14.5%,注意投票モジュールは15.7%向上させた.
• 複数の情報源から共通情報を効果的に抽出し,組み合わせた機能

結論:

• 提案されたRLベースのEEG解読方法は,マルチユーザーBCIの性能を大幅に向上させます.
• 相互情報,RL,注意力メカニズムの統合は 複雑な脳間ダイナミクスを解読するための 強力なアプローチを提供します
• この方法は,より洗練された,より正確な,多ユーザー脳-コンピュータの相互作用システムの基礎を提供します.