在定态视觉唤起潜力的定量化中进行周期性成分分析.
IEEE transactions on bio-medical engineering
|September 11, 2024
概括
无周期组件显著影响稳定状态视觉唤起潜能 (SSVEP) 量化和脑计算机接口 (BCI) 性能. 考虑到这种动态活动对于准确的SSVEP分析和BCI应用至关重要.
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:
- 稳态视觉唤起潜能 (SSVEP) 对脑计算机接口 (BCI) 至关重要.
- 电脑电图 (EEG) 信号包含周期性和非周期性组成部分.
- 非周期性成分对SSVEP量化和BCI性能的影响尚未完全理解.
研究的目的:
- 调查EEG中非周期性成分对SSVEP量化的影响.
- 确定无周期组件如何影响不同BCI算法的性能.
- 为了比较各种分析方法的有效性,在控制无周期组件时.
主要方法:
- 应用了Fitting Oscillations & One-Over-F方法来分离周期性和非周期性EEG组件.
- 使用四种方法测量了EEG反应和BCI性能:功率光谱密度分析 (PSD),正规相关性分析 (CCA),过器银行正规相关性分析 (FBCCA) 和任务区分组件分析 (TDCA).
- 对无周期组件进行控制和不进行控制的方法性能进行比较.
主要成果:
- 对无周期组件的控制显著降低了CCA (94.9%至82.8%),FBCCA (94.1%至87.6%) 和TDCA (96.5%至70.3%) 的BCI性能.
- 非周期性成分对PSD分析性能的影响很小 (80.4%至78.7%).
- 在PSD和其他三种方法之间观察到非周期性成分在区分目标和非目标刺激方面产生差异性影响.
结论:
- 非周期性组件显著影响SSVEP量化和BCI性能.
- 影响因使用的分析方法而异.
- 未来对SSVEP量化的研究应该考虑非周期性EEG活动的动态性质.
