本文介绍了一种利用小型测试数据集评估同一天P300拼写脑-机接口（BCI）准确性的方法。
方法文章
本文介绍了一种利用小型测试数据集评估同一天P300拼写脑-机接口（BCI）准确性的方法。
性能评估是脑机接口（BCI）系统开发与验证过程中的必要步骤。然而，即使是现代的BCI系统运行速度仍然较慢，导致收集足够的验证数据对最终用户和实验人员而言都是一项耗时的任务。若数据量不足，性能的随机波动可能导致对特定用户使用BCI效果的错误推断。例如，P300拼写系统通常以每分钟1-5个字符的速度运行。若要以5%的分辨率估计其准确率，则需要20个字符（耗时4-20分钟）。尽管投入了这一时间成本，基于20个字符所得准确率的置信区间仍可能高达±23%，具体取决于观测到的准确率水平。先前发表的一种方法——基于分类器的潜伏期估计（Classifier-Based Latency Estimation, CBLE）——已被证明与BCI准确率高度相关。本文提出了一种利用CBLE从少量输入字符（约3-8个）预测用户P300拼写系统准确率的实验方案。该方法所得置信区间比传统方法更窄，因此可用于更快速和/或更准确地评估BCI系统的性能。
脑机接口（BCI）是一种非侵入性技术，可使个体通过机器直接进行交流，而不受身体生理限制的影响。BCI可作为由大脑直接操控的辅助设备使用。BCI通过分析用户的大脑活动，判断其是否意图选择屏幕上显示的某个特定按键（字母、数字或符号）1。在典型的计算机系统中，用户通过物理方式按压键盘上的目标按键。然而，在配备视觉显示的BCI系统中，用户只需将注意力集中在目标按键上，BCI即可通过分析所测得的脑电信号来选择该按键1。大脑活动可通过多种技术手段进行测量。尽管存在多种竞争性BCI技术，脑电图（EEG）因其非侵入性、高时间分辨率、可靠性以及相对较低的成本，被认为是主流技术之一2。
脑机接口（BCI）的应用包括通信、设备控制以及娱乐3,4,5,6。其中最活跃的应用领域之一是P300拼写器，该技术由Farwell和Donchin提出7。P300是一种事件相关电位（ERP），在识别罕见但相关刺激时产生8。当....
访问受限。请登录或开始试用以查看此内容。
将"CBLE 性能估计"图形用户界面应用于两个数据集："BrainInvaders"数据集和密歇根数据集。对于"BrainInvaders"数据集，数据采集已获得格勒诺布尔阿尔卑斯大学伦理委员会的批准20。密歇根数据的采集已获得密歇根大学机构审查委员会的批准19。数据分析在堪萨斯州立大学豁免协议7516下进行。若采集新数据，应遵循用户所在机构审查委员会（IRB）批准的知情同意采集流程。本文所提出的方法通过此前记录的、去标识化的数据的离线分析进行评估，因此无需额外获取知情同意。
本文所包含的图形用户界面（GUI）能够有效处理两种不同的数据集格式。第一种格式与 BCI2000 软件相关，第二种格式称为 "BrainInvaders" 数据集。若要使用 "Brain Invaders" 格式，数据必须按照方案部分第 1 步所述进行预处理。然而，在处理 "BCI2000" 数据集格式时，可省略第 1 步。
1. 数据准备
访问受限。请登录或开始试用以查看此内容。
本方案已在两个不同的数据集上进行了测试：“BrainInvaders”数据集和密歇根数据集。这些数据集在引言部分已作简要介绍。用于这两个数据集的参数见表1。图2-4展示了使用“BrainInvaders”数据集获得的结果，而图5-7展示了来自密歇根数据集的结果。
“BrainInvaders”数据集包含64名参与者。 图2展示了所有64名参与者的BCI准确率与vCBLE之间的关系。结果显示，vCBLE与BCI准确率高度负相关，尽管存在少数离群值。图3展示了基于测试字符准确率进行预测时，vCBLE与实际准确率之间的均方根误差（RMSE）。结果表明，.......
访问受限。请登录或开始试用以查看此内容。
本文概述了一种利用小型P300数据集估算脑机接口（BCI）准确性的方法。此处，当前方案的制定基于 "bi2014a" 数据集，尽管该方案的有效性已在两个不同的数据集上得到验证。要成功实施该技术，必须确定若干变量，例如原始数据的 epoch 时间窗、时间偏移窗、下采样比例，以及训练集和测试集的大小。这些变量由所用数据集的特征决定，包括目标或字符数量、序列数量以及参与者的总人数。
研究结果 "bi2014a" 数据集结果表明，在所有测试条件下（少于10个字符），vCBLE的预测性能均优于基于字符级别的BCI准确率，这些条件涉及包含一至十个字符的测试数据集。然而，当测试数据集包含超过七个目标时，vCBLE的性能表现出极小的波动。 密歇根数据的结果表明，若测试数据集少于六个字符，则使用vCBLE预测当日表现将优于基于准确率的估计方法。有趣的是，用于构建该模型的数据量在初始几个字符之后，其增加仅带来边际性的性能提升。总体而言，这意味着预测当日准确率时无需收集大量数据。
根据"bi2014.......
访问受限。请登录或开始试用以查看此内容。
所有作者均声明不存在任何利益冲突。
代表性结果所用的数据来源于美国国家儿童健康与人类发展研究所（NICHD）、美国国立卫生研究院（NIH）资助项目R21HD054697，以及美国教育部国家残疾与康复研究中心（NIDRR）资助项目H133G090005和奖励编号H133P090008的支持。其余工作部分由美国国家科学基金会（NSF）资助，奖励编号#1910526。本研究中的发现与观点不一定反映NICHD、NIH、NIDRR或NSF的立场。
....访问受限。请登录或开始试用以查看此内容。
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| MATLAB 2021 | Matlab | N/A | 可使用任何较新版本的 MATLAB。 |
访问受限。请登录或开始试用以查看此内容。
申请许可以重复使用本 JoVE 文章的文本或图表
申请许可