主体独立的可穿戴P300脑机接口基于卷积神经网络和度量学习

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
• 机器学习 机器学习

背景情况:

• 可穿戴的P300脑电脑接口 (BCI) 需要广泛的用户特定校准,影响用户体验.
• 独立于主体的BCI对于可穿戴P300系统的实际,广泛采用至关重要.

研究的目的:

• 为可穿戴P300BCI开发一个主题独立的框架.
• 减少或消除对个人用户校准的需求.
• 为了提高可穿戴P300 BCI系统的准确性和可用性.

主要方法:

• 收集了来自100个个人的脑电图 (EEG) 信号数据集,使用可穿戴的P300拼写任务.
• 提出了一个具有共同特征提取器的框架,以提高跨主体EEG特征一致性.
• 使用卷积神经网络 (CNN) 学习嵌入子空间以进行特征分离,并通过微调优化概括.

主要成果:

• 在没有校准的情况下,达到73.23±7.62%的平均精度.
• 通过微调,准确度进一步提高到78.75±6.37%.
• 证明了拟议数据集和框架的可行性和优异性能.

结论:

• 一个无校准可穿戴的P300 BCI系统是可行的.
• 拟议的框架显著提高了准确性,并显示了实际应用的潜力.
• 可以实现独立于主体的可穿戴P300BCI,为更广泛的使用铺平了道路.