使用MEG通道空间中的同步指数的空间分布来提高基于现场的大脑计算机接口的稳定状态视觉唤起的性能

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:

• 磁脑电图 (MEG) 为脑电脑接口 (BCI) 提供高空间分辨率.
• 新兴的OPM-MEG系统消除了液的需求,增加了BCI的可访问性.
• 现有的SSVEF分类算法在准确性和利用MEG的全部潜力方面扎.

研究的目的:

• 引入一个新的,无校准算法,空间分布分析 (SDA),用于SSVEF分类.
• 使用MEG提高基于SSVEF的BCI的准确性和效率.
• 克服像FBMSI这样的传统算法的局限性.

主要方法:

• 开发了空间分布分析 (SDA) 算法,利用S指数分布的重心.
• 在20名参与者的头盔类型SQUID MEG系统上评估了SDA.
• 在OPM-MEG数据集上验证了SDA的概括性.

主要成果:

• 在所有窗口大小中,SDA显著提高了分类准确性和信息传输率 (ITR).
• 观察到的最大改进是5.76%的精度和4.87位/分钟ITR在2.5秒窗口大小.
• SDA 证明了错误分类的减少和短暂的0.0907s 时间延迟,适合实时BCI.

结论:

• 对于基于SSVEF的BCI来说,SDA算法提供了显著的进步.
• SDA有效地利用MEG的空间分辨率和全头覆盖.
• 这种新的方法提高了BCI的性能,并为OPM-MEG应用提供了新的可能性.