在基于EEG的多会话BCI中,监督的自动编码器为非静态性进行检测

科学领域:

• 神经科学是一个神经科学.
• 计算机科学 计算机科学
• 生物医学工程 生物医学工程

背景情况:

• 电脑电图 (EEG) 信号的非静止性对大脑计算机接口 (BCI) 性能提出了重大挑战.
• 脑电图数据的特定会话变化往往需要频繁的重新校准,这阻碍了BCI的实际实施.

研究的目的:

• 为跨会话BCI任务开发一种新的方法,以减轻EEG信号的非静止变化.
• 为了减少特定会话的信息,同时保留与任务相关的信号,以提高BCI准确性.

主要方法:

• 一个受监督的自动编码器被用来压缩和重建高维EEG输入.
• 自动编码器的目标功能包括无监督的重建错误最小化和监督的术语,以删除会话身份并优化分类.
• 该方法在三个运动图像数据集中进行了评估.

主要成果:

• 提出的方法有效地解决了跨会期BCI任务中的域调整挑战.
• 在运动图像数据集上,性能超过了原始交叉会话和会话内方法.
• 该方法成功地减少了特定于会话的信息,消除了非静止信号.

结论:

• 这种新的方法消除了对新会话数据的需求,使其无需监督新会话,并减少了重新校准的需求.
• 有效地消除非静态EEG信号的噪声,提高了BCI模型的准确性.
• 未来的应用可能会扩展到其他BCI任务和分析用于认知过程调查的残留信号.