基于SSVEP的大脑与计算机接口的视觉疲劳评估:一项全面的研究
Pablo Diez1,2, Lorena Orosco3,4, Agustina Garcés Correa3,4
1Instituto de Bioingeniería (INBIO), Facultad de Ingeniería, Universidad Nacional de San Juan (UNSJ), San Juan, Argentina. pdiez@inbio.unsj.edu.ar.
Medical & biological engineering & computing
|January 24, 2024
概括
在脑计算机接口 (BCI) 系统中检测用户疲劳至关重要. 这项研究提出了新的脑电图 (EEG) 功能,包括光谱分析和Lempel-Ziv复杂性,用于更可靠地检测稳定状态视觉唤起电位 (SSVEP) BCI中的疲劳.
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:
- 用户疲劳显著降低了脑电脑接口 (BCI) 的性能.
- 现有的脑电图 (EEG) 疲劳检测方法产生不一致的结果,特别是在稳定状态视觉唤起电位 (SSVEP) BCI中.
- 需要强大的疲劳检测来提高BCI的可靠性.
研究的目的:
- 确定导致文献中疲劳检测结果不一致的因素.
- 在基于SSVEP的BCI中研究疲劳检测,使用延长的实验时间和多种刺激.
- 提出新的可靠的EEG功能来检测疲劳.
主要方法:
- 在设计用于诱导用户疲劳的SSVEP-BCI系统上进行了实验.
- 分析了来自O1,OZ和O2通道的EEG信号.
- 计算了传统的EEG特征 (节奏功率,SNR) 和新的特征 (光谱特征,Lempel-Ziv复杂性).
主要成果:
- 观察到疲劳时从高频到低频EEG节奏的转变.
- 确定了EEG节律的"相对功率",特定频率比 (例如, θ/β),光谱特征 (中心频率,不对称性) 和Lempel-Ziv复杂性作为有希望的指标.
- 这些特征表明了与观察到的频率转移一致的行为.
结论:
- 拟议的EEG特征,包括相对功率,频率比,光谱特征和Lempel-Ziv复杂性,为疲劳检测提供了更可靠的方法.
- 这些特征可以用来为SSVEP-BCI系统开发更可靠的疲劳指数.
- 解决疲劳问题对于提高BCI系统的整体性能和可用性至关重要.
