基于EEG微态分析预测运动图像BCI性能
Yujie Cui1, Songyun Xie1, Yingxin Fu1,2
1Shaanxi Joint International Research Center on Integrated Technique of Brain-Computer for Unmanned System, Northwestern Polytechnical University, Xi'an 710129, China.
Brain sciences
|September 28, 2023
概括
研究人员开发了一种静止电脑电图 (EEG) 微态预测器,以提高脑计算机接口 (BCI) 的性能. 这个预测器准确地识别出可能在运动图像 (MI) BCI任务中表现良好的主体,增强主体选择和BCI开发.
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
- 大脑与计算机接口 (BCI)
背景情况:
- 运动成像 (MI) 电脑电图 (EEG) 是大脑与计算机接口 (BCI) 的关键技术.
- 实验对象之间的MI-BCI性能存在显著差异,这对广泛应用构成了挑战.
- 脑电图微态提供高时空分辨率和多通道信息来表示大脑认知功能.
研究的目的:
- 调查静止状态EEG微态特征与MI-BCI性能中的个体差异之间的关系.
- 开发和验证基于静态EEG微态的MI-BCI性能预测器.
主要方法:
- 计算了四个EEG微态特征参数:平均持续时间,每秒发生次数,时间覆盖率和过渡概率.
- 评估了这些静止状态微态特征与受试者的MI-BCI表现之间的相关性.
- 基于已识别的相关性 (MS1发生率为负,MS3平均持续时间为正) 提出了一个静止状态微态预测器.
主要成果:
- 拟议的静态微态预测器在28名受试者的实验中实现了0.83的曲线下的平均面积 (AUC).
- 与光谱预测器相比,微状态预测器在AUC中表现出17.9%的改善.
- 在单个会话和平均水平上观察到微观状态预测者的更高AUC值.
结论:
- 静止状态EEG微态特征是MI-BCI性能的有效预测器.
- 开发的微态预测器在评估MI-BCI性能方面显著优于光谱预测器.
- 这个预测器可以帮助研究人员选择主题,节省时间,并加快MI-BCI技术的发展.
