通过双模SSMVEPs改善BCI性能:增强反应强度和减少疲劳
Junjie Liu1, Jun Xie1,2,3, Huanqing Zhang2
1School of Mechanical Engineering, Xinjiang University, Urumqi, China.
Frontiers in neuroscience
|March 21, 2025
概括
在增强现实眼镜中,使用运动和颜色刺激的新脑电脑接口 (BCI) 显著提高了稳定状态视觉唤起潜力 (SSVEP) 的准确性,并减少了视觉疲劳.
科学领域:
- 神经科学是一个神经科学.
- 人与计算机的交互
- 生物医学工程 生物医学工程
背景情况:
- 稳态视觉唤起潜力 (SSVEP) 是一种常见的大脑与计算机接口 (BCI) 方法.
- 传统的SSVEP使用闪的光线,这可能会导致视觉疲劳和更低的准确性.
- 增强现实 (AR) 眼镜为BCI开发提供了一个新的平台.
研究的目的:
- 为AR眼镜开发和评估一种创新的稳定状态运动视觉唤起潜力 (SSMVEP) 范式.
- 通过整合运动和颜色刺激来增强SSMVEP反应强度并减少视觉疲劳.
- 为了比较双模模式与单刺激方法的性能.
主要方法:
- 从参与者那里获得EEG数据采集,使用新的SSMVEP范式集成到AR眼镜中.
- 使用EEGNet深度学习算法和快速里埃转换 (FFT) 分析EEG信号.
- 计算分类准确性,信号噪声比 (SNR) 和视觉疲劳的评估.
主要成果:
- 双模运动颜色SSMVEP范式在中等亮度和0.6面积比率下实现了最高的精度 (83.81%±6.52%).
- 综合范式显著优于单动作和单色范式.
- 客观和主观测量证实了增强的SNR和减少视力疲劳.
结论:
- 双模运动色彩集成SSMVEP范式是基于AR的BCI的新有效方法.
- 与传统的SSVEP方法相比,这种新范式提高了大脑反应强度和用户舒适度.
- 这些发现支持了集成运动颜色刺激的潜力,用于未来的BCI应用.
