跨范式数据对齐,以改善异步BCI系统在基于EEG的语音图像中的校准

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:

• 与同步模式相比,异步脑电脑接口 (BCI) 提供了更大的用户自由,但受到较长的校准时间和不平衡的任务/置状态的影响.
• 提高异步BCI的校准效率和准确性对于其实际应用至关重要.

研究的目的:

• 通过应用数据对齐 (DA) 方法来增强异步BCI系统的校准.
• 调查使用同步 (基于提示) 范式对校准异步 (自动) BCI 系统的有效性.

主要方法:

• 使用并行运输的数据对齐 (DA) 方法被用来将基于提示的和自动步调的范式的特征映射到相同的触点空间.
• 后勤回归被用作分类器来区分任务状态和置状态.
• 基于提示的范式充当了校准集,而自动节奏的范式充当了测试集.

主要成果:

• 使用DA方法的结果是平均分类准确率为78.45%,比基线提高7.52% (70.92%) 没有DA.
• 使用DA实现的最佳分类准确率为91.82%.
• 观察到的分类准确度的最大改善是22.92%.

结论:

• 使用同步范式作为异步BCI系统的校准方法是可行的.
• 数据对齐方法显著提高了异步BCI中的任务和置状态的分类准确性.
• 这项研究展示了一种实际的方法来提高自动步调BCI的性能.