Method Article

P300-basierte Brain-Computer-Schnittstelle Rechtschreiber-Leistungsschätzung mit klassifikatorbasierter Latenzschätzung

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

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

In diesem Artikel wird eine Methode zur Schätzung der Genauigkeit der P300-Rechtschreibprüfung Brain-Computer Interface (BCI) am selben Tag anhand eines kleinen Testdatensatzes vorgestellt.

Abstract

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

Die Leistungsschätzung ist ein notwendiger Schritt bei der Entwicklung und Validierung von Brain-Computer-Interface (BCI)-Systemen. Leider sind selbst moderne BCI-Systeme langsam, was das Sammeln ausreichender Daten für die Validierung für Endbenutzer und Experimentatoren gleichermaßen zu einer zeitaufwändigen Aufgabe macht. Ohne ausreichende Daten kann die zufällige Variation der Leistung jedoch zu falschen Rückschlüssen darüber führen, wie gut ein BCI für einen bestimmten Benutzer funktioniert. Zum Beispiel arbeiten P300-Rechtschreibmaschinen in der Regel mit etwa 1-5 Zeichen pro Minute. Um die Genauigkeit mit einer Auflösung von 5 % zu schätzen, sind 20 Zeichen (4-20 Minuten) erforderlich. Trotz dieses Zeitaufwands können die Konfidenzgrenzen für die Genauigkeit von 20 Zeichen je nach beobachteter Genauigkeit bis zu ±23 % betragen. Eine zuvor veröffentlichte Methode, Classifier-Based Latency Estimation (CBLE), hat sich als stark korreliert mit der BCI-Genauigkeit erwiesen. Diese Arbeit stellt ein Protokoll für die Verwendung von CBLE vor, um die P300-Rechtschreibgenauigkeit eines Benutzers aus relativ wenigen Zeichen (~3-8) von Typisierungsdaten vorherzusagen. Die resultierenden Konfidenzgrenzen sind enger als bei herkömmlichen Methoden. Die Methode kann somit verwendet werden, um die BCI-Leistung schneller und/oder genauer abzuschätzen.

Introduction

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

Gehirn-Computer-Schnittstellen (BCIs) sind eine nicht-invasive Technologie, die es Individuen ermöglicht, direkt über Maschinen zu kommunizieren, ohne Rücksicht auf körperliche Einschränkungen durch den Körper. BCI kann als Hilfsmittel verwendet werden, das direkt vom Gehirn bedient wird. BCI verwendet die Gehirnaktivität eines Benutzers, um festzustellen, ob der Benutzer beabsichtigt, eine bestimmte Taste (Buchstabe, Zahl oder Symbol) zu wählen, die auf dem Bildschirmangezeigt wird 1. In einem typischen Computersystem drückt ein Benutzer physisch die vorgesehene Taste auf einer Tastatur. In einem BCI-System mit visueller Anzeige muss sich der ....

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

Protocol

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

Die GUI "CBLE Performance Estimation" wurde auf zwei Datensätze angewendet: den Datensatz "BrainInvaders" und den Datensatz Michigan. Für den Datensatz "BrainInvaders" wurde die Datenerhebung von der Ethikkommission der Universität Grenoble Alpesgenehmigt 20. Michigan-Daten wurden mit Genehmigung des University of Michigan Institutional Review Board gesammelt19. Die Daten wurden gemäß dem Ausnahmeprotokoll 7516 der Kansas State University analysiert. Wenn Sie neue Daten sammeln, befolgen Sie das vom IRB genehmigte Verfahren des Benutzers zur Einholung der Einwilligungserklärung. Hier wird das vorgeschlagene Protokoll anh....

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

Results

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

Das vorgeschlagene Protokoll wurde an zwei verschiedenen Datensätzen getestet: "BrainInvaders" und dem Michigan-Datensatz. Diese Datensätze werden bereits im Abschnitt Einführung kurz vorgestellt. Die für diese beiden Datensätze verwendeten Parameter sind in Tabelle 1 aufgeführt. Die Abbildungen 2-4 zeigen die Ergebnisse, die mit dem "BrainInvaders"-Datensatz erzielt wurden, während die Abbildungen 5-7

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

Discussion

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

In diesem Artikel wurde eine Methode zur Schätzung der BCI-Genauigkeit anhand eines kleinen P300-Datensatzes beschrieben. Hier wurde das aktuelle Protokoll auf der Grundlage des Datensatzes "bi2014a" entwickelt, obwohl die Wirksamkeit des Protokolls auf zwei verschiedenen Datensätzen bestätigt wurde. Um diese Technik erfolgreich zu implementieren, ist es entscheidend, bestimmte Variablen festzulegen, wie z. B. das Epochenfenster für die Originaldaten, das Zeitfenster für die Zeitverschiebung, das Downsampling-Verhältnis .......

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

Disclosures

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

Alle Autoren erklären, dass sie keine Interessenkonflikte haben.

Acknowledgements

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

Die Daten, die für repräsentative Ergebnisse verwendet wurden, wurden aus der Arbeit gesammelt, die vom National Institute of Child Health and Human Development (NICHD), den National Institutes of Health (NIH) unter Grant R21HD054697 und dem National Institute on Disability and Rehabilitation Research (NIDRR) im Bildungsministerium unter Grant H133G090005 und Award Number H133P090008 unterstützt wurde. Der Rest der Arbeit wurde teilweise von der National Science Foundation (NSF) unter dem Preis #1910526 finanziert. Die Ergebnisse und Meinungen in dieser Arbeit spiegeln nicht unbedingt die Positionen von NICHD, NIH, NIDRR oder NSF wider.

....

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/AJede aktuelle MATLAB-Version kann verwendet werden.

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