在基于c-VEP的BCI中解决BCI无效性:对神经生理学预测因子,二进制刺激序列和用户舒适性的全面研究
1Donders Centre for Cognition, Radboud University, Thomas van Aquinostraat 4, Nijmegen, Gelderland, 6525 GD, NETHERLANDS.
Biomedical physics & engineering express
|June 10, 2025
概括
这项研究表明,脑计算机接口 (BCI) 的效率在使用编码调制的视觉唤起潜能 (c-VEP) 的个体之间存在显著差异. 个性化刺激选择和解码策略对于优化c-VEP BCI性能和用户舒适性至关重要.
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
- 人与计算机的交互
背景情况:
- 大脑-计算机接口 (BCI) 提供了替代的通信和控制途径.
- 代码调制的视觉唤起潜能 (c-VEP) 是一个常见的BCI模式.
- 具有表现变化的BCI低效率是众所周知的挑战.
研究的目的:
- 调查代码调制的视觉唤起潜力 (c-VEP) 系统中大脑计算机接口 (BCI) 的低效率.
- 在c-VEP BCI中确定性能变化的神经生理预测因素.
- 评估各种二进制刺激序列以获得最佳的分类准确性和用户舒适性,以减轻BCI的低效率.
主要方法:
- 十个二进制刺激序列的离线评估,包括原始和调制形式的m序列,de Bruijn,Golay和Gold代码.
- 神经生理学预测因素的分析:静止状态的α活性,心率变化,持续的注意力和闪光VEP特征.
- 在不同的刺激条件下评估分类准确性和用户舒适性.
主要成果:
- 证实了c-VEP BCI效率的实质性个体间变异性,具有一致的高分类准确性但可变的速度.
- 确定了N2延迟,P2延迟和幅度以及N3幅度作为性能变化的显著预测因素.
- 在普遍情况下,m序列表现最好,但个性化的刺激选择显著改善了个人的表现.
- 刺激调制降低了用户的舒适度,尽管在各种条件下,整体舒适度的评级是可比的.
结论:
- 在c-VEP BCI中普遍效率的假设受到显著的个人间变异性的挑战.
- 个体神经生理学差异需要个性化的刺激协议和解码策略.
- 优化c-VEP BCI性能和用户舒适性需要量身定制的方法.
