基于P300的脑计算机接口拼写器性能估计与基于分类器的延迟估计
Nazmun N Khan1, Taylor Sweet2, Chase A Harvey2
1Brain and Body Sensing Lab, Mike Wiegers Department of Electrical & Computer Engineering, Kansas State University; nkhan1@ksu.edu.
Journal of visualized experiments : JoVE
|September 25, 2023
概括
估计脑计算机接口 (BCI) 的准确性很慢. 这项研究使用基于分类器的延迟估计 (CBLE) 来更快更准确地预测P300拼写器的性能,使用更少的字符.
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
- 人与计算机的交互
背景情况:
- 脑电脑接口 (BCI) 系统验证需要大量的数据,由于性能缓慢,耗时.
- 不准确的性能估计可能会导致用户对BCI有效性的错误结论.
- 传统的准确度估计方法,如P300拼写器的方法,需要大量的打字时间 (例如20个字符的4-20分钟).
研究的目的:
- 介绍一种使用基于分类器的延迟估计 (CBLE) 来预测P300拼写器中用户准确性的协议.
- 证明CBLE可以比传统方法更快,更准确地估计BCI性能.
- 为了减少BCI验证的数据收集负担.
主要方法:
- 利用先前验证的方法,基于分类器的延迟估计 (CBLE),该方法与BCI准确性有很高的相关性.
- 在有限的数据集上 (大约3-8个字符) 开发和应用一个协议,以使用CBLE预测P300拼写精度.
- 将CBLE推导出的准确性估计的可信度边界与传统方法的可信度边界进行比较.
主要成果:
- 通过CBLE协议,可以使用比传统方法少得多的字符来预测P300拼写精度.
- 与传统技术相比,使用基于CBLE的协议时,准确度估计的可信度边界较窄.
- 该方法允许更快和/或更精确地估计BCI性能.
结论:
- 基于分类器的延迟估计 (CBLE) 为估计脑计算机接口 (BCI) 性能提供了一种更有效,更准确的方法.
- 该协议可以通过减少数据收集时间来加速BCI开发和验证.
- 这些发现表明,通过更快,更可靠的准确性预测,可以改进BCI评估.
