适应式LDA分类器增强了对EEG脑电脑接口的实时控制,用于解码想象中的音节

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:

• 大脑计算机接口 (BCI) 通过解码神经信号,为言语障碍患者提供沟通途径.
• 传统的BCI使用静态分类器,这些分类器与电脑电图 (EEG) 和用户学习的非静态性质作斗争.
• 实时调整对于提高BCI准确性和可用性至关重要.

研究的目的:

• 开发和评估一种适应性分类器,用于使用EEG信号实时解码想象中的语音.
• 为了比较自适应线性差异分析 (LDA) 分类器与静态LDA分类器的性能.

主要方法:

• 开发了一个自适应的LDA分类器,利用先前的EEG数据优化了更新系数 (UC) 等参数.
• 适应式和静态LDA分类器在实时BCI控制任务中进行了测试,其中涉及想象的音节解码.
• 20名健康的参与者参加了两次BCI控制会议,在随机顺序下使用了两种分类器类型.

主要成果:

• 与静态LDA分类器相比,自适应LDA分类器在实时BCI控制任务中表现出优异的性能.
• 适应分类器的最佳参数显示了同一任务的不同数据集之间的一致性.
• 适应性方法有效地解决了EEG信号的非静止性和用户适应.

结论:

• 适应式LDA分类器是有效和可靠的实时虚拟语音解码.
• 这种进步可以减少培训时间,并促进开发更复杂的多类BCI.
• 这些发现特别适用于非侵入性BCI,这些BCI经常面临低解码精度的挑战.