基于Burst c-VEP的BCI:优化刺激设计,以最小的校准数据进行增强分类,并改善用户体验

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:

• 编码调制的视觉唤起潜力 (c-VEP) 是反应性脑机接口 (rBCI) 的关键.
• 现有的c-VEP设计需要改进用户体验,信号质量和缩短校准时间.
• 偶尔闪的视觉刺激在c-VEP中用于rBCI.

研究的目的:

• 引入和评估c-VEP的创新变体,称为c-VEP.
• 爆发c-VEP的爆发时间
• 为了提高性能和可用性.
• 调查burst c-VEP的潜力,以减少校准数据来实现高解码性能.
• 通过减少刺激突出度来提高用户的视觉舒适度.

主要方法:

• 开发和测试并进行了测试.
• 爆发c-VEP的爆发时间
• 刺激,呈现出短暂的无周期闪,频率为2-4赫兹.
• 使用卷积神经网络 (CNN) 来解码.
• 与12名参与者进行了线下4类c-VEP协议,操纵刺激模式 (爆发与m序列) 和振幅调制 (100%与40%).

主要成果:

• 与m-序列 (71.4%-85.0%) 相比,全振幅爆发c-VEP序列的准确性更高 (90.5%-95.6%).
• 降低刺激强度至40%,略有降低爆发c-VEP准确度 (至94.2%),但显著改善了用户体验.
• 两种代码的平均选择时间为1.5s,与之前的研究相比.

结论:

• 爆发c-VEP在性能和可用性方面展示了推动反应性BCI系统的巨大潜力.
• 拟议的方法为更快的选择和减少校准要求提供了一个有希望的方法.
• 提供开放访问数据和CNN实施以供进一步研究.