SKDCPM算法可以提高非常相似的与错误相关的潜在的单次试验解码性能

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:

• 与错误相关的潜能 (ErrPs) 是大脑与计算机接口 (BCI) 的关键大脑信号.
• 现有的ErrP解码方法难以区分错误类型中的微妙变化.
• 精确解码详细的错误信息对于增强BCI功能和用户反至关重要.

研究的目的:

• 开发一种新的算法来解码非常相似的ErrP.
• 将新算法的性能与已建立的ErrP解码方法进行比较.
• 评估从电脑电图 (EEG) 信号中区分不同程度错误的能力.

主要方法:

• 提出了一个新的算法:收缩判别法规模式匹配 (SKDCPM).
• 收集了18名受试者在四个条件下的EEG数据:正确 (0°) 和错误 (45°,90°,180°偏差).
• 将SKDCPM与线性差异分析 (LDA),收缩LDA (SKLDA),步进LDA (SWLDA),贝叶斯式LDA (BLDA) 和差异化正规模式匹配 (DCPM) 进行了比较.

主要成果:

• SKDCPM在区分正确和不正确的响应 (0°与其他) 中表现出高平衡精度 (BACC).
• 在解码非常相似的ErrPs (45°对90°对180°) 中,SKDCPM实现了69.54%的显著大平均BACC (高达74.25%).
• 拟议的SKDCPM在区分微妙的错误变化方面明显超过了所有其他测试的算法.

结论:

• 新的SKDCPM算法在解码微妙的ErrP方面取得了显著的进步.
• 这种方法提高了在基于ErrP的BCI系统中提供更细粒度的反的潜力.
• SKDCPM为开发更复杂的BCI应用程序提供了一个有希望的新解码方法.