转移学习促进了个人BCI技能的获取
Satyam Kumar1, Hussein Alawieh1, Frigyes Samuel Racz2,3
1Chandra Family Department of Electrical and Computer Engineering, The University of Texas at Austin, Austin, TX 78712, USA.
PNAS nexus
|March 1, 2024
概括
现在可以进行无校准的大脑计算机接口 (BCI) 训练. 新的领域适应技术将BCI专家的控制权转移给新用户,使技能获得无需漫长的校准,使多样化的群体受益.
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:
- 脑电脑接口 (BCI) 控制获取需要特定对象的校准数据,因为具有显著的对象间神经可变性.
- 目前的校准方法耗时,可能产生不够的数据,特别是对于初学者来说,这阻碍了BCI的可用性.
- 通用解码器往往无法在不同用户之间充分执行,需要个性化培训.
研究的目的:
- 使用域调整技术开发和评估无校准的BCI培训框架.
- 为了使在专家数据上训练有素的解码器能够转移给没有经验的用户.
- 调查无监督和监督适应对BCI技能获取和绩效的影响.
主要方法:
- 引入两个实时框架:使用无监督域调整的通用更新 (GR) 和使用监督重新校准的个人辅助更新 (PAR).
- 在五个在线会议中对18名健康的初学者进行框架评估,使用同步和异步BCI任务 (酒吧任务和汽车赛车游戏).
- 评估以任务为导向的BCI性能和神经生理控制特征的演变.
主要成果:
- 无论是GR还是PAR框架,都显著改善了新手用户的面向任务的BCI性能.
- 框架促进了学科特定的BCI技能的获得,神经生理控制特征从专家模式演变.
- 无监督域匹配 (GR) 在纵向训练后实现了与监督重新校准 (PAR) 相当的性能.
结论:
- 域调整技术通过将专家解码器知识传递给新手用户,允许有效的无校准BCI培训.
- 拟议的框架促进用户的BCI技能获取和任务特定特征学习,证明神经控制的适应性.
- 这些发现对扩大BCI可访问性具有重大意义,特别是对于可能面临校准挑战的神经疾病患者.
