Method Article

تقدير أداء المدقق الإملائي لواجهة الدماغ والحاسوب المستندة إلى P300 مع تقدير زمن الانتقال المستند إلى المصنف

DOI:

10.3791/64959

⸱

September 8th, 2023

 ,  ,  ,  ,  , 
1Brain and Body Sensing Lab, Mike Wiegers Department of Electrical & Computer Engineering, Kansas State University, 2Adaptive Cognitive Assessment Laboratory, Department of Physical Medicine and Rehabilitation, University of Michigan, Ann Arbor, 3Direct Brain Interface Laboratory, Department of Physical Medicine and Rehabilitation, University of Michigan, Ann Arbor, 4Direct Brain Interface Laboratory, Department of Biomedical Engineering, University of Michigan, Ann Arbor

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تقدم هذه المقالة طريقة لتقدير دقة واجهة الدماغ الحاسوبية (BCI) للمدقق الإملائي P300 في نفس اليوم باستخدام مجموعة بيانات اختبار صغيرة.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعد تقدير الأداء خطوة ضرورية في تطوير أنظمة واجهة الدماغ الحاسوبية (BCI) والتحقق من صحتها. لسوء الحظ ، حتى أنظمة BCI الحديثة بطيئة ، مما يجعل جمع البيانات الكافية للتحقق من الصحة مهمة تستغرق وقتا طويلا للمستخدمين النهائيين والمجربين على حد سواء. ومع ذلك ، بدون بيانات كافية ، يمكن أن يؤدي الاختلاف العشوائي في الأداء إلى استنتاجات خاطئة حول مدى جودة عمل BCI لمستخدم معين. على سبيل المثال ، تعمل تهجئة P300 عادة حوالي 1-5 أحرف في الدقيقة. يتطلب تقدير الدقة بدقة 5٪ 20 حرفا (4-20 دقيقة). على الرغم من استثمار الوقت هذا ، يمكن أن تصل حدود الثقة للدقة من 20 حرفا إلى ±23٪ اعتمادا على الدقة المرصودة. تبين أن الطريقة المنشورة سابقا ، تقدير زمن الانتقال القائم على المصنف (CBLE) ، مرتبطة ارتباطا وثيقا بدقة BCI. يقدم هذا العمل بروتوكولا لاستخدام CBLE للتنبؤ بدقة التدقيق الإملائي P300 للمستخدم من عدد قليل نسبيا من الأحرف (~ 3-8) من بيانات الكتابة. حدود الثقة الناتجة أكثر إحكاما من تلك التي تنتجها الطرق التقليدية. وبالتالي يمكن استخدام الطريقة لتقدير أداء BCI بسرعة أكبر و / أو بدقة أكبر.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

واجهات الدماغ الحاسوبية (BCIs) هي تقنية غير جراحية تسمح للأفراد بالتواصل من خلال الآلات مباشرة دون اعتبار للقيود المادية التي يفرضها الجسم. يمكن استخدام BCI كجهاز مساعد يتم تشغيله مباشرة بواسطة الدماغ. يستخدم BCI نشاط دماغ المستخدم لتحديد ما إذا كان المستخدم ينوي اختيار مفتاح معين (حرف أو رقم أو رمز) معروض على الشاشة1. في نظام الكمبيوتر النموذجي ، يضغط المستخدم فعليا على المفتاح المقصود على لوحة المفاتيح. ومع ذلك ، في نظام BCI مع شاشة مرئية ، يحتاج المستخدم إلى التركيز على المفتاح المطلوب. بعد ذلك ، سيختار BCI المفتاح المقصود من خلال تحليل إشارات الدماغ المقاسة1. يمكن قياس نشاط الدماغ باستخدام تقنيات مختلفة. على الرغم من....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم تطبيق واجهة المستخدم الرسومية "CBLE Performance Estimation" على مجموعتي بيانات: مجموعة بيانات "BrainInvaders" ومجموعة بيانات ميشيغان. بالنسبة لمجموعة بيانات "BrainInvaders" ، تمت الموافقة على جمع البيانات من قبل اللجنة الأخلاقية بجامعة غرونوبل ألب20. تم جمع بيانات ميشيغان بموجب موافقة مجلس المراجعة المؤسسية بجامعة ميشيغان19. تم تحليل البيانات بموجب البروتوكول المعفى من جامعة ولاية كانساس 7516. في حالة جمع بيانات جديدة، اتبع العملية المعتمدة من IRB للمستخدم لجمع الموافقة المستنيرة. هنا ، يتم تقييم البروتوكول المقترح باستخدام تحليل غير متصل بالإنترنت للبيانات المسجلة سابقا وغير المحددة ، وبالتالي لا يتطلب موافقة مستنيرة....

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم اختبار البروتوكول المقترح على مجموعتين مختلفتين من البيانات: "BrainInvaders" ومجموعة بيانات ميشيغان. تم تقديم مجموعات البيانات هذه بالفعل لفترة وجيزة في قسم المقدمة. وترد في الجدول 1 المعلمات المستخدمة لمجموعتي البيانات هاتين. توضح الأشكال 2-4 النتائج التي تم الحصول عليها باستخدام مجموعة بيانات "BrainInvaders" ، بينما توضح الأشكال 5-7 النتائج التي تم تحقيقها من مجموعة بيانات .......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

حددت هذه المقالة طريقة لتقدير دقة BCI باستخدام مجموعة بيانات P300 صغيرة. هنا ، تم تطوير البروتوكول الحالي بناء على مجموعة بيانات "bi2014a" ، على الرغم من تأكيد فعالية البروتوكول على مجموعتي بيانات مختلفتين. لتنفيذ هذه التقنية بنجاح ، من الأهمية بمكان إنشاء متغيرات معينة ، مثل نافذة الحقبة للبيانات الأصلية ، ونافذة تغيير الوقت ، ونسبة أخذ العينات السفلية ، وحجم كل من مجموعات بيانات التدريب والاختبار. يتم تحديد هذه المتغيرات من خلال خصائص مجموعة البيانات المستخدمة ، بما في ذلك عدد الأهداف أو الشخصيات ، وعدد التسلسلات ، وال.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعلن جميع المؤلفين أنه ليس لديهم أي تضارب في المصالح.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم جمع البيانات المستخدمة للنتائج التمثيلية من العمل المدعوم من المعهد الوطني لصحة الطفل والتنمية البشرية (NICHD) ، والمعاهد الوطنية للصحة (NIH) بموجب Grant R21HD054697 ، والمعهد الوطني لأبحاث الإعاقة وإعادة التأهيل (NIDRR) في وزارة التعليم بموجب H133G090005 المنح والجائزة رقم H133P090008. تم تمويل بقية العمل جزئيا من قبل المؤسسة الوطنية للعلوم (NSF) بموجب جائزة #1910526. النتائج والآراء في هذا العمل لا تعكس بالضرورة مواقف NICHD أو المعاهد الوطنية للصحة أو NIDRR أو NSF.

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
MATLAB 2021MatlabN / Aيمكن استخدام أي إصدار حديث من MATLAB.

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Rezeika, A., Benda, M., Stawicki, P., Gembler, F., Saboor, A., Volosyak, I. Brain-Computer Interface spellers: A review. Brain Science. 8 (4), 57(2018).
  2. Gannouni, S., Aledaily, A., Belwafi, K., Aboalsamh, H. Emotion detectio....

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

P300 SpellerBrain Computer InterfaceClassifier Based Latency EstimationBCI Performance EstimationEEG DatasetLinear RegressionAccuracy PredictionRMSE CalculationFeature ExtractionBrain Invader Data

Related Articles