研究基于EEG的双眼色彩融合和对EEGNet的竞争的关键大脑区域
Zhineng Lv1,2,3, Xiang Liu2,3, Mengshi Dai2,3
1School of Information Science and Technology, Yunnan Normal University, Kunming, China.
Frontiers in neuroscience
|March 13, 2024
概括
这项研究引入了一个EEGNet模型来分类双眼颜色融合和竞争,使用大脑后部区域达到81.98%的准确性. 虽然主体间的变异性带来了挑战,但该模型显示了个体EEG识别的高可重现性.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 视觉科学科学 视觉科学
背景情况:
- 双眼色合并和竞争是双眼视觉中的关键现象,为大脑处理冲突信息提供了洞察力.
- 缺乏客观的评估方法来区分二光学色彩融合和竞争.
- 了解这些过程对于推进脑计算机接口 (BCI) 至关重要.
研究的目的:
- 开发一个客观的,基于EEG的分类模型,用于双眼色合并和对抗.
- 为了确定这一分类任务的关键大脑区域和EEG信号特征.
- 探索EEG数据在开发色彩相关视觉唤起潜力 (CVEP) BCI方面的潜力.
主要方法:
- 从10名受试者收集了EEG数据集,这些受试者经历了双眼色合并和竞争.
- 为了进行分类,使用了深度学习模型EEGNet.
- 分析了来自五个不同大脑区域的EEG数据,以训练单独的模型.
主要成果:
- 最高的分类准确率为81.98%,使用来自脑后部区域的EEG数据实现.
- 超出关键区域的频道使用量增加导致模型性能下降.
- 观察到显著的跨学科变异性,突出了跨学科概括的挑战.
- 脑电图数据表现出高静态性和可重复性,对于个体受试者随着时间的推移.
结论:
- 基于EEG的双眼色合并和对抗的分类是可行的,特别是利用大脑后部区域.
- 识别关键的EEG通道对于开发有效的基于CVEP的BCI至关重要.
- 解决主体间的变异性是基于EEG的强大,可泛化的BCI应用的关键挑战.
