POMDP-BCI:一个 (重新) 活跃的BCI的基准,使用POMDP发出命令

科学领域:

• 神经科学和人工智能 人工智能
• 大脑与计算机接口 (BCI) 系统

背景情况:

• 现有的脑电脑接口 (BCI) 研究通常具有不同的解码算法和根据特定方式量身定制的决策过程.
• 一些BCI模式在标准管道中缺乏专门的高级决策组件,这可能会限制性能和灵活性.

研究的目的:

• 建议和评估一个统一的决策框架,用于多个主动/反应BCI模式,使用部分可观察的马尔科夫决策过程 (POMDP).
• 通过提供灵活的,高层决策组件来增强BCI系统,可适应各种模式.

主要方法:

• 开发了一个一般的POMDP模型,作为BCI的顺序决策框架.
• 在使用公开可用的数据集对三个不同的BCI模式进行了POMDP模型的测试.
• 对比了POMDP模型的性能与各BCI模式的最先进方法,测量精度,假阳性试验,无动作试验和决策时间.

主要成果:

• 拟议的POMDP模型在三个测试的BCI模式中实现了与现有的最先进方法相比或超过的性能.
• POMDP框架证明了通用性,不需要对不同的BCI实验进行重大修改.
• POMDP方法的一个关键优势是,当解码性能不足于最佳时,它能够执行"不采取行动"的决定.

结论:

• 实施的POMDP模型为BCI系统提供了灵活和有效的顺序决策框架,特别是那些缺乏综合决策组件的BCI系统.
• 该框架实现了与现有的专业决策流程相匹配的性能.
• 对于未来的BCI进步,POMDP框架在BCI模式中的通用性和整合不同数据流的潜力为未来的BCI进步提供了重大前景.