基于SSVEP的大脑计算机接口的无源域调整
Osman Berke Guney1, Deniz Kucukahmetler2, Huseyin Ozkan3
1Department of Electrical and Computer Engineering, Boston University, Boston, MA, United States of America.
Journal of neural engineering
|September 26, 2025
概括
这项研究引入了一种新的脑计算机接口 (BCI) 方法,该方法适应了深度神经网络,以帮助语言困难的用户. 它消除了对校准的需求,提高了用户的舒适性和通信速度.
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:
- 使用稳定状态视觉唤起潜能 (SSVEP) 的脑计算机接口 (BCI) 帮助语言障碍患者.
- 当前的SSVEP-BCI拼写器通常需要长时间的校准,导致用户不适并阻碍采用.
研究的目的:
- 为SSVEP-BCI拼写器开发一种新的深度神经网络 (DNN) 适应方法,消除了对用户特定校准的需求.
- 为了提高用户的舒适性和加速采用BCI技术.
主要方法:
- 提出了一种自我监督的深度学习方法,以适应预训练DNN的新用户 (目标域),只使用未标记的数据.
- 引入了一个自定义的损失函数,包括自适应 (伪标记) 和局部规律性术语,以利用数据结构.
主要成果:
- 在基准数据集上实现了201.15位/分钟的高信息传输速率 (ITR),在BETA数据集上达到145.02位/分钟.
- 与现有最先进的方法相比,表现出优越的性能.
结论:
- 拟议的方法通过消除校准要求,显著提高了用户的舒适性.
- 这种方法保持了高的字符识别精度和ITR,为日常生活中更广泛的BCI采用铺平了道路.
