相关实验视频
Updated: Jun 23, 2025
09:42
Stimulus-specific Cortical Visual Evoked Potential Morphological Patterns
Published on: May 12, 2019
6.0K
高密度脑电图促进检测小刺激在代码调制的视觉唤起的潜在大脑-计算机接口中的小刺激
Qingyu Sun1,2, Shaojie Zhang3, Guoya Dong3
1Laboratory of Solid State Optoelectronics Information Technology, Institute of Semiconductors, Chinese Academy of Sciences, Beijing 100083, China.
Sensors (Basel, Switzerland)
|June 19, 2024
概括
这项研究通过使用高密度脑电图 (EEG) 盖和代码调制的视觉唤起潜能 (C-VEP) 来增强小视觉刺激的脑电脑接口 (BCI). 较高的电极密度显著提高了BCI性能与小的视觉目标.
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:
- 基于视觉唤起潜力 (VEP) 的脑计算机接口 (BCI) 显示出希望,但在小视觉刺激方面扎.
- 在BCI研究中,从小视觉刺激中检测VEP是一个重大的技术挑战.
研究的目的:
- 调查高密度电脑电图 (EEG) 对编码调制VEP (C-VEP) BCI对小视觉刺激的性能的影响.
- 评估任务区分组件分析 (TDCA) 算法在C-VEP BCI的特征提取和分类中的有效性.
- 为了比较不同的EEG电极密度在增强C-VEPBCI系统中的性能.
主要方法:
- 使用了256个电极高密度EEG盖,专注于额头和叶的66个电极.
- 实现了一个在线BCI系统,使用30个代码调制的VEP (C-VEP) 目标,具有时间转移的二进制伪随机序列.
- 采用任务区分组件分析 (TDCA) 算法进行信号处理和分类.
- 进行了线下和在线实验,评估了EEG反应和分类准确度在各种刺激大小 (0.5°,1°,2°,3°) 中.
主要成果:
- 随着刺激大小的增加,实现了显著的信息传输速率 (ITR): 126.48 ± 14.14 位/分钟 (0.5°), 221.73 ± 15.69 位/分钟 (1°), 258.39 ± 9.28 位/分钟 (2°) 和 266.40 ± 6.52 位/分钟 (3°).
- 证明在EEG特征提取和分类方面,较高的电极密度 (66从256电极盖上) 显著优于较低的密度 (32从128上,21从64上).
- 优化在线实验中每个受试者的数据长度,以最大限度地提高分类性能.
结论:
- 高密度EEG盖对于提高C-VEPBCI的性能至关重要,特别是在使用小视觉刺激时.
- 该TDCA算法有效地提取特征,并为C-VEP BCI应用程序分类信号.
- 这项研究突出了和部区域电极密度对于强大的VEP检测和BCI控制的重要性.
