一个新的SSVEP多动态合神经质量模型
Hongqi Li1,2, Yujuan Wang1,2, Peirong Fu3
1School of Software, Northwestern Polytechnical University, Xi'an 710072, China.
Biomimetics (Basel, Switzerland)
|March 26, 2025
概括
这项研究引入了一种新的神经质量模型来模拟脑-计算机接口 (BCI) 的稳定状态视觉唤起潜力 (SSVEPs). 该模型准确地复制SSVEP信号,使实时设备控制无需物理EEG记录.
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
- 计算神经科学是一种神经科学.
背景情况:
- 基于稳态视觉唤起潜力 (SSVEP) 的脑计算机接口 (BCI) 通过神经同步提供高效的设备控制.
- 目前的SSVEP-BCI面临挑战,包括因依赖物理EEG记录而导致主体间的变化,信号不稳定性和复杂的实验设置.
研究的目的:
- 开发一种新的神经质量模型来模拟SSVEPs,克服传统基于EEG的BCI的局限性.
- 整合频率响应特征和双区域合以进行增强的SSVEP模拟.
- 为更容易获得和可靠的BCI系统提供框架.
主要方法:
- 创建了一个神经质量模型,整合了频率响应特征和双区域 (头 - 头) 合.
- 基于SSVEP的频率响应设计了并行线性转换功能.
- 模型参数使用粒子群优化进行了优化,以考虑个体差异和神经元密度.
主要成果:
- 该模型实现了对多个频率 (10-12 Hz) 的真实SSVEP信号的高精度模拟,并降低了最大误差.
- 模拟的SSVEP信号通过FPF-net模型成功分类,用于Arduino汽车的实时控制.
- 该模型在复制SSVEP动态和实现BCI控制方面表现出有效性.
结论:
- 开发的神经质量模型为SSVEP-BCI开发提供了物理EEG记录的可行替代方案.
- 这种方法通过减少用户培训和实验复杂性来提高BCI系统的效率和可靠性.
- 该研究促进了对SSVEP神经机制的理解,并为未来的BCI创新提供了实际框架.
