Method Article

Estimación del rendimiento del deletreador de la interfaz cerebro-ordenador basada en P300 con estimación de latencia basada en el clasificador

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

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

Este artículo presenta un método para estimar la precisión de la interfaz cerebro-computadora (BCI) del deletreador P300 en el mismo día utilizando un pequeño conjunto de datos de prueba.

Abstract

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

La estimación del rendimiento es un paso necesario en el desarrollo y validación de los sistemas de interfaz cerebro-ordenador (BCI). Desafortunadamente, incluso los sistemas BCI modernos son lentos, lo que hace que la recopilación de datos suficientes para la validación sea una tarea que requiere mucho tiempo tanto para los usuarios finales como para los experimentadores. Sin embargo, sin datos suficientes, la variación aleatoria en el rendimiento puede dar lugar a inferencias falsas sobre qué tan bien funciona una BCI para un usuario en particular. Por ejemplo, los deletreadores P300 suelen operar entre 1 y 5 caracteres por minuto. Para estimar la precisión con una resolución del 5% se requieren 20 caracteres (4-20 min). A pesar de esta inversión de tiempo, los límites de confianza para la precisión de 20 caracteres pueden ser de hasta un ±23% dependiendo de la precisión observada. Un método publicado anteriormente, la estimación de latencia basada en clasificadores (CBLE), demostró estar altamente correlacionado con la precisión de BCI. Este trabajo presenta un protocolo para usar CBLE para predecir la precisión del deletreador P300 de un usuario a partir de relativamente pocos caracteres (~3-8) de datos de escritura. Los límites de confianza resultantes son más estrictos que los producidos por los métodos tradicionales. Por lo tanto, el método se puede utilizar para estimar el rendimiento de BCI de manera más rápida y/o precisa.

Introduction

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

Las interfaces cerebro-computadora (BCI, por sus siglas en inglés) son una tecnología no invasiva que permite a las personas comunicarse a través de máquinas directamente sin tener en cuenta las limitaciones físicas impuestas por el cuerpo. BCI se puede utilizar como un dispositivo de asistencia operado directamente por el cerebro. BCI utiliza la actividad cerebral de un usuario para determinar si el usuario tiene la intención de elegir una determinada clave (letra, número o símbolo) que se muestra en la pantalla1. En un sistema informático típico, un usuario presiona físicamente la tecla deseada en un teclado. Sin embargo, en un sistema BCI co....

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

Protocol

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

La interfaz gráfica de usuario "CBLE Performance Estimation" se aplicó a dos conjuntos de datos: el conjunto de datos "BrainInvaders" y el conjunto de datos de Michigan. Para el conjunto de datos "BrainInvaders", la recopilación de datos fue aprobada por el Comité de Ética de la Universidad de Grenoble Alpes20. Los datos de Michigan se recopilaron bajo la aprobación de la Junta de Revisión Institucional de la Universidad de Michigan19. Los datos se analizaron bajo el protocolo de exención 7516 de la Universidad Estatal de Kansas. Si recopila datos nuevos, siga el proceso aprobado por el IRB del usuario para obtener el co....

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

Results

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

El protocolo propuesto se ha probado en dos conjuntos de datos diferentes: "BrainInvaders" y el conjunto de datos de Michigan. Estos conjuntos de datos ya se presentan brevemente en la sección Introducción. Los parámetros utilizados para estos dos conjuntos de datos se mencionan en la Tabla 1. Las Figuras 2-4 muestran los hallazgos obtenidos utilizando el conjunto de datos "BrainInvaders", mientras que las Figuras

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

Discussion

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

En este artículo se describe un método para estimar la precisión de BCI utilizando un pequeño conjunto de datos P300. En este caso, el protocolo actual se desarrolló sobre la base del conjunto de datos "bi2014a", aunque la eficacia del protocolo se confirmó en dos conjuntos de datos diferentes. Para implementar con éxito esta técnica, es crucial establecer ciertas variables, como la ventana de época para los datos originales, la ventana para el cambio de tiempo, la proporción de muestreo descendente y el tamaño de los co.......

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

Disclosures

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

Todos los autores declaran no tener ningún conflicto de intereses.

Acknowledgements

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

Los datos utilizados para obtener resultados representativos se recopilaron del trabajo apoyado por el Instituto Nacional de Salud Infantil y Desarrollo Humano (NICHD, por sus siglas en inglés), los Institutos Nacionales de Salud (NIH, por sus siglas en inglés) bajo la Subvención R21HD054697, y el Instituto Nacional de Investigación sobre Discapacidad y Rehabilitación (NIDRR, por sus siglas en inglés) en el Departamento de Educación bajo la Subvención H133G090005 y la Subvención Número H133P090008. El resto del trabajo fue financiado en parte por la Fundación Nacional de Ciencias (NSF, por sus siglas en inglés) bajo el premio #1910526. Los hallazgos y opiniones dentro....

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/ASe puede utilizar cualquier versión reciente de 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