基于时间变异丰度尺度的非侵入性HWI-BCI范式的HWI编码/解码
Peng Ding1,2, Fan Wang1,2, Lei Zhao3
1Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming, 650500 China.
Cognitive neurodynamics
|August 22, 2025
概括
这项研究引入了脑计算机接口 (BCI) 范式的新指标,显示高时间变量丰度 (HTVA) 手写图像提高了准确性,并降低了用户的认知负载.
科学领域:
- 神经科学
- 人与计算机的交互
- 生物医学工程
背景情况:
- 大脑-计算机接口 (BCI) 的性能严重依赖于输入范式.
- 存在有限的可解释度量来评估手写图像 (HWI) BCI范式和神经编码.
研究的目的:
- 介绍HWI-BCI范式设计的"时间变化丰度"指标.
- 比较低时间变化丰度 (LTVA) 和高时间变化丰度 (HTVA) 的范例.
- 评估范式对特征空间,分类准确性和认知负载的影响.
主要方法:
- 开发了"时间变化丰度"指标.
- 设计了LTVA和HTVA的HWI-BCI模式.
- 使用随机模板动态时间扭曲 (rt-DTW) 进行EEG信号对齐.
- 使用特征空间距离,离线/在线准确性和fNIRS认知负载来评估性能.
主要成果:
- HTVA-HWI范式显示较低的速度稳定性但更大的空间距离.
- HTVA-HWI实现了更高的线下和在线分类准确性.
- HTVA-HWI模式导致了较低的认知负载.
结论:
- 时间变异丰度指标有效指导HWI-BCI范式设计.
- HTVA模式为增强非侵入性BCI性能提供了有希望的方法.
- 这项研究为BCI开发提供了理论和方法上的进步.
