稳态视觉唤起基于场的脑计算机接口的性能提升,包括MEG源成像
概括
一种新的权重方法,即基于源位置的平均权重 (ASLW),通过提高稳定状态视觉唤起场 (SSVEF) 范式的分类准确度和信息传输速率,显著改善了基于磁脑电图 (MEG) 的脑计算机接口 (BCI).
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:
- 头盔式磁脑图像 (MEG) 系统,包括基于光学磁计 (OPM) 的MEG,正在为大脑与计算机接口 (BCI) 获得吸引力.
- 基于稳态视觉唤起场 (SSVEF) 的BCI提供高信息传输速率 (ITR) 并需要最小的校准.
- 传统的算法无法充分利用MEG的空间分辨率和全头覆盖.
研究的目的:
- 使用MEG源成像开发一种新的权重方法,以提高基于SSVEF的BCI性能.
- 通过结合SSVEF信号的平均源位置,充分利用全头MEG记录.
主要方法:
- 开发并应用了基于位置的平均来源权重 (ASLW) 方法.
- 集成的ASLW与波器银行驱动的多变量同步指数 (FBMSI) 算法 (ASLW-FBMSI).
- 通过使用分类准确度和ITR在20名参与者的各种窗口大小中评估性能.
主要成果:
- 与传统方法相比,ASLW-FBMSI算法显著提高了分类准确性和ITR.
- 性能收益包括13.9%的精度增加 (3秒窗口) 和13.1比特/分钟的ITR增加 (2.5秒窗口).
- 该算法显示了较低的处理延迟 (0.107秒为4秒的数据) 并在在线实验中得到验证.
结论:
- 通过利用MEG源成像,ASLW方法有效地提高了基于SSVEF的BCI性能.
- ASLW-FBMSI为提高BCI准确性和速度提供了一个有希望的方法.
- 这些发现支持ASLW在基于MEG的BCI研究中的更广泛应用.
