结果处理响应与反相关的EEG动态相结合,在离散和连续的性能监测期间

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 大脑与计算机接口 (BCI) 研究.

背景情况:

• 与错误相关的潜力 (ErrPs) 表示预期和结果之间的差异,但在实验范式之间有很大的差异.
• 之前的研究没有从数量上将因素与ErrP变异性联系起来,这限制了新范式的预测能力.
• 现有的对ErrP影响因素的定性分析对新型实验设计的适用性有限.

研究的目的:

• 引入和验证一个中立条件作为对结果处理中量化跨范式变量的控制.
• 为了建立一个定量生理基础,以理解 ErrP 差异跨不同的实验范式.
• 增强基于ErrP的脑计算机接口 (BCI) 的转移学习能力.

主要方法:

• 一个中立的条件,没有目标导向的结果预期,作为控制在三个不同的反范式中实施.
• 评估了中性条件响应与正确/错误结果响应 (延迟,幅度) 之间的相关性.
• 单一试验的跨范式分类被用来评估中性条件的预测能力.

主要成果:

• 在中性条件响应和前额和顶部区域的结果处理响应之间观察到显著的延迟和振幅合.
• 来源重建,瞳孔测量和工作负载得分证实了中性条件作为处理结果的基线.
• 这种基线关系有效地解释了跨范式的ErrP变化.

结论:

• 中立条件为跨范式的ErrP变异性提供了定量生理学解释.
• 这种方法显著提高了基于ErrP的BCI的跨范式分类准确性 (高达17%).
• 这些发现有助于开发基于ErrP的更强大,更可转移的BCI应用程序.