基于P300脑计算机接口的意识障碍患者的跨主体解码算法

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
• 计算机科学 计算机科学

背景情况:

• 大脑-计算机接口 (BCI) 为有意识障碍 (DOC) 的患者提供了潜在的通信.
• 对DOC患者EEG数据的解码算法受到小数据集和性能差的限制.
• 正常和DOC患者的EEG信号之间存在显著差异,这使算法训练复杂化.

研究的目的:

• 改进P300信号检测在有意识障碍 (DOC) 的患者使用一个新的大脑-计算机接口 (BCI) 解码算法.
• 通过整合正常人口数据来增强DOC患者的培训数据集.
• 为了应对BCI应用中EEG数据的学科间变异性所带来的挑战.

主要方法:

• 为P300信号检测提出了一个基于域适应的解码算法 (WD-ADSTCN).
• 利用瓦瑟斯坦距离来过正常人群的EEG数据,增加训练集.
• 采用对抗方法,以尽量减少正常和患者EEG数据之间的差异.

主要成果:

• 在11名DOC患者中的7名中,在跨主体P300检测中获得了超过70%的平均准确性.
• 在临床诊断和昏迷恢复量表修订 (CRS-R) 中观察到的改善,实验后三个月的得分.
• 在DOC患者的P300 BCI系统中证明了WD-ADSTCN算法的有效性.

结论:

• 开发的WD-ADSTCN算法对有意识障碍的患者的P300 BCI系统显示出有希望.
• 该方法对改善DOC患者的临床诊断和预后评估具有重要意义.
• 域适应技术可以有效地提高具有挑战性神经疾病的个体的BCI性能.