基于混合的数据增强,以提高少数射击SSVEP检测性能
Jiayang Huang1, Pengfei Yang1, Bang Xiong1
1Key Laboratory of Smart Human-Computer Interaction and Wearable Technology of Shaanxi Province, School of Computer Science and Technology, Xidian University, 710126 Xi'an People's Republic of China.
Journal of neural engineering
|July 25, 2025
概括
这项研究引入了一种新的数据增强方法,以改善脑电脑接口 (BCI) 中的几次射击稳定状态视觉唤起潜力 (SSVEP) 检测. 当校准数据有限时,该技术显著提高了准确性,提高了BCI的可用性.
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
- 机器学习 机器学习
背景情况:
- 几次拍摄稳定状态视觉唤起潜力 (SSVEP) 检测对于脑计算机接口 (BCI) 至关重要.
- 在SSVEP检测中有限的校准数据往往会损害BCI系统的性能.
- 开发有效的数据增强 (DA) 策略对于改善少数射击SSVEP检测至关重要.
研究的目的:
- 为了提高BCI系统中少量射击SSVEP检测性能.
- 引入和验证SSVEP信号的基于混合的新型数据增强策略.
- 缩短校准时间,提高BCI系统的实际可用性.
主要方法:
- 提出了一种基于混合的数据增强方法,通过线性插值生成合成SSVEP试验.
- 通过最大化与模板和参考信号的信号相似性来优化插值权重.
- 增强数据被用来训练空间过器,使用与邻近刺激数据的任务相关组件分析.
主要成果:
- 基于混合的DA方法显著提高了SSVEP检测准确性,在几次射击条件下.
- 拟议的方法在两个基准数据集上优于现有的数据增强和基线方法.
- 在SSVEP解码中观察到更好的性能,可用数据有限.
结论:
- 基于混合的DA方法为改进SSVEP解码提供了有效的解决方案,使用最小的数据.
- 这种方法可以减少校准要求,从而提高BCI系统的现实应用性.
- 该战略提供了一种实际手段,以提高BCI技术的整体可用性和性能.
