快速IAF:快速识别EEG数据中的个体阿尔法频率,使用顺序贝叶斯估计

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:

• 准确识别个体的α频率 (IAF) 对于有效的脑电脑接口 (BCI) 操作至关重要.
• 传统的IAF测定方法需要长时间的脑电图 (EEG) 记录,限制了BCI初始化速度.
• 了解IAF和感觉运动节律事件相关脱同步 (SMR-ERD) 之间的关系是BCI控制的关键.

研究的目的:

• 开发和验证一个快速的算法来确定IAF从短期休息状态头皮EEG数据.
• 评估拟议的IAF估计方法的可靠性和通用性.
• 描述在运动成像任务中估计的IAF和SMR-ERD频率之间的关系.

主要方法:

• 开发了一种序列贝叶斯估计算法 (Rapid-IAF) 来从EEG数据中确定IAF.
• 该算法的性能使用来自运动图像BCI用户的EEG数据的大规模数据集 (N=147) 来评估.
• 独立的数据集被用于确认拟议方法的通用性.

主要成果:

• 快速IAF算法成功地从不到26秒的静止EEG数据中确定了95%的参与者的IAF.
• 确定的IAF与在BCI使用过程中观察到的单个SMR-ERD频率 (ISF) 密切相关.
• 类内相关性分析表明,估计的IAF在会议中比ISF更稳定,突出了它的可靠性.

结论:

• 拟议的快速IAF方法与传统的光谱功率变化方法相比,为IAF识别提供了更快,更可靠的方法.
• 这种神经可变性的快速,无任务的参数化对于快速的BCI初始化和强大的性能至关重要.
• 该方法对未来的BCI应用具有重大潜力,包括神经通信和闭环神经反训练.