视线空间解码 视线独立的脑计算机接口 基于使用脑电图的隐形视觉注意力转移
1Netaji Subhas University of Technology, Delhi, India.
Clinical EEG and neuroscience
|February 5, 2024
概括
这项研究引入了一种新的视线独立的大脑与计算机接口 (BCI),该接口使用EEG信号和LSTM网络解码隐藏的空间注意力. 该BCI实现了高准确度,改善了对象检测对于眼睛运动有限的个体.
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
- 机器学习 机器学习
背景情况:
- 视线独立的大脑计算机接口 (BCI) 对于恢复异常眼动的个体的通信至关重要.
- 空间注意力在BCI中未得到充分利用,通常仅限于简单的二进制反应,阻碍了其提高目标检测的潜力.
研究的目的:
- 为了研究使用隐藏的空间注意力的有效性,反映在N2-后置-对侧面 (N2pc) 组件中,以改善视线独立的BCI中的目标检测.
- 开发和验证一个长期短期记忆 (LSTM) 网络,以解码基于N2pc特征的EEG信号的空间注意力.
主要方法:
- 利用电脑电图 (EEG) 信号来捕捉视觉空间注意力的神经相关物,特别是N2pc组件.
- 开发了一个长期短期记忆 (LSTM) 网络来解码隐藏的空间注意力,以回答"是/不是"的问题.
- 在独立数据集上验证了LSTM模型的性能,并将其目标检测效率与传统机器学习算法进行了比较.
主要成果:
- 拟议的基于LSTM的模型在识别隐藏的空间注意力方面实现了92.79%的平均解码精度.
- 与传统的机器学习方法相比,目标检测效率提高了约4%.
- N2pc特征成功地被用于在视线独立的BCI设置中追踪隐藏的注意力转移.
结论:
- 通过使用LSTM网络通过N2pc特征解码的隐藏空间注意力可以显著提高视线独立BCI中的目标检测.
- 这种方法为改善严重运动障碍和眼睛移动性有限的个体的互动和环境连接提供了一个有希望的途径.
