一种多类的试验内部轨迹分析技术,用于可视化和量化心理图像EEG信号的变化
Nicolas Ivanov1,2, Madeline Wong3, Tom Chau1,2
1Institute of Biomedical Engineering, University of Toronto, Toronto, Ontario, Canada.
International journal of neural systems
|November 26, 2025
概括
这项研究引入了一种新的多类试验内部轨迹 (MITT) 分析,以量化脑电图 (EEG) 信号在脑电脑接口 (BCI) 的变化. MITT分析揭示了用户特定的EEG动态,提供了改善BCI性能和实际应用的见解.
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:
- 电脑电图 (EEG) 信号表现出显著的个人间和个人内变异性,阻碍了实际的大脑计算机接口 (BCI) 应用.
- 评估EEG信号变化的现有方法是有限的.
- 心理图像BCI特别受到EEG信号变化的影响.
研究的目的:
- 提出一种新的多类内部试验轨迹 (MITT) 分析,用于研究心理图像BCI中的EEG变异性.
- 提供关于个人间,任务间,试验间和试验内EEG信号变化的见解.
- 根据EEG信号轨迹开发用于评估用户性能的指标.
主要方法:
- 通过将试验细分为时间窗口,开发了EEG信号时间演变的新型表示.
- 从未监督的试验共变矩阵集群中获得的特征空间中表示分段试验.
- 构建了时间轨迹,并定义了两个绩效指标:InterTaskDiff和InterTrialVar.
主要成果:
- 对14名青少年的三类BCI数据的分析表明,InterTaskDiff和InterTrialVar指标与分类结果有显著的相关性.
- 试验内轨迹分析揭示了特征性的任务和用户特定的时间动态.
- 开发的指标为参与者提供了对EEG变异性的特定见解.
结论:
- MITT分析提供了一种新的方法来表征和量化BCI中的EEG信号变化.
- 来自MITT分析的参与者特定见解可以解决EEG变异性挑战,改善BCI实施.
- 这种方法可以指导改进用户培训反和BCI的分类器/超参数选择.
