对于基于SSVEP的脑计算机接口,几乎没有校准

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:

• 基于稳态视觉唤起潜力 (SSVEP) 的脑计算机接口 (BCI) 使用eTRCA和TDCA等算法提供高信息传输速率 (ITR).
• 目前的SSVEP-BCI校准是耗时的,限制了实际应用.
• 像SAME这样的现有数据增强方法在利用交叉刺激信息方面存在局限性.

研究的目的:

• 为SSVEP-BCI开发一个改进的数据增强技术,以减少校准时间.
• 用有限的校准数据来提高SSVEP-BCI的性能.
• 为了实现实用的,插即用的SSVEP-BCI系统.

主要方法:

• 建议多刺激的SAME (msSAME),这是SAME的扩展,利用频率相似性进行更好的数据增强.
• 使用msSAME开发了一种半监督方法,以进一步降低校准要求.
• 在公共数据集 (基准,BETA) 和在线实验中评估了msame.

主要成果:

• msSAME在基准数据集上对eTRCA和TDCA的原始SAME方法表现出色.
• 半监督的msSAME方法实现了与完全校准方法相比的性能.
• 在线实验证明了快速校准 (24s对40个目标) 与高ITR (平均213.8比特/分钟).

结论:

• msSAME显著减少了单个SSVEP-BCI的校准工作量.
• 提出的方法为更实用和用户友好的SSVEP-BCI应用铺平了道路.
• 这一进步解决了SSVEP-BCI技术广泛采用的关键障碍.