识别和验证基于小脑目标的与错误相关的潜力
Chang Niu1, Zhuang Yan2, Kuiying Yin2
1Department of Electronic Engineering, Xidian University, Xi'an 710126, China.
Brain sciences
|March 28, 2024
概括
这项研究通过结合小脑数据来提高脑与计算机接口 (BCI) 的准确性,以改善与错误相关的潜在 (ErrP) 分类. 整合小脑特征提高了分类性能,并确定了最佳的BCI用户.
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
- 认知科学 认知科学
背景情况:
- 与错误相关的潜力 (ErrPs) 是反映错误行为的神经信号.
- 现有的ErrP研究往往侧重于判断系统中的错误纠正.
- 小脑在认知功能中的作用表明它在ErrP分析中的潜在实用性.
研究的目的:
- 通过整合小脑信息来增强 ErrP 的在线分类.
- 调查小脑ErrP特征的应用,以选择最佳的脑计算机接口 (BCI) 受试者.
- 为了提高基于ErrP的BCI系统的性能.
主要方法:
- 在ErrP分析中引入了小麦芽的区域特征.
- 改进了用于数据训练和模型构建的歧视性正规模式匹配 (DCPM) 算法.
- 进行了小脑ErrP指标和反ErrP-BCI分类效应之间的相关性分析.
主要成果:
- 与原始算法相比,改进的DCPM算法实现了5-10%的平衡精度增加.
- 小脑区域的费舍尔系数被确定为查对象的定量指数.
- 被选的受试者表现出卓越的性能,将分类算法性能提高了高达10%.
结论:
- 整合小脑信息显著提高了BCI中ErrP分类的准确性.
- 大脑的ErrP特征为选择高性能BCI用户提供了可靠的方法.
- 这种方法有望优化ErrP-BCI系统的性能和应用.


