拉普拉斯基基基准对于稳定状态视觉唤起的潜能是最佳的
Yuan Zhang1, Matteo Valsecchi2, Karl R Gegenfurtner3
1School of Psychology, Shanghai University of Sport, Shanghai, China.
Journal of neurophysiology
|July 26, 2023
概括
拉普拉斯基引用通过增加信号噪声比率 (SNR) 和可靠性,显著改善了稳定状态视觉唤起潜力 (SSVEPs) 分析. 这种方法对于神经科学和脑计算机接口 (BCI) 中的SSVEP是最佳的.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 信号处理 信号处理
背景情况:
- 稳态视觉唤起潜能 (SSVEP) 对神经科学研究和脑计算机接口 (BCI) 至关重要.
- 参考电极的选择显著影响SSVEP信号质量和可靠性.
- 之前的研究没有系统地比较SSVEP分析的不同参考方法.
研究的目的:
- 系统地评估和比较四种不同的SSVEP分析参考方法的有效性.
- 确定最佳的参考方法,以提高SSVEP信号质量,在信号噪声比 (SNR) 和可靠性方面.
主要方法:
- 比较单极,常见平均,平均-体和拉普拉斯基基参考方法.
- 利用了来自之前SSVEP研究的七个数据集,包括内部和公共数据.
- 根据信号噪声比 (SNR) 和会话间/试验间可靠性评估信号质量.
主要成果:
- 在所有测试方法中,拉普拉斯基基基准产生了最高的信号噪声比 (SNR).
- 用拉普拉斯语参考分析的SSVEP信号在录音会议和试验中表现出卓越的可靠性.
- 拉普拉斯基引用只需要最大激活电极和周围电极的数据,简化了实验设置.
结论:
- 拉普拉斯参考是分析SSVEP的最佳方法,显著提高SNR和可靠性.
- 这些发现支持在SSVEP基础研究和实际BCI应用中使用Laplacian参考.
- 拉普拉斯参考为SSVEP实验提供了实际优势,特别是当想要快速设置时.
