Method Article

Estimation des performances du correcteur orthographique de l’interface cerveau-ordinateur basée sur P300 avec estimation de la latence basée sur le classificateur

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

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

Cet article présente une méthode d’estimation de la précision de l’interface cerveau-ordinateur (BCI) du correcteur orthographe P300 le jour même à l’aide d’un petit ensemble de données de test.

Abstract

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

L’estimation des performances est une étape nécessaire dans le développement et la validation des systèmes d’interface cerveau-ordinateur (BCI). Malheureusement, même les systèmes BCI modernes sont lents, ce qui rend la collecte de données suffisantes pour la validation une tâche fastidieuse pour les utilisateurs finaux et les expérimentateurs. Pourtant, sans données suffisantes, la variation aléatoire des performances peut conduire à de fausses inférences sur le fonctionnement d’une BCI pour un utilisateur particulier. Par exemple, les orthographes P300 fonctionnent généralement autour de 1 à 5 caractères par minute. Pour estimer la précision avec une résolution de 5 %, il faut 20 caractères (4 à 20 min). Malgré cet investissement en temps, les limites de confiance pour la précision à partir de 20 caractères peuvent atteindre ±23 % selon la précision observée. Une méthode publiée précédemment, l’estimation de la latence basée sur le classificateur (CBLE), s’est avérée fortement corrélée à la précision des BCI. Ce travail présente un protocole d’utilisation de CBLE pour prédire la précision de l’orthographe P300 d’un utilisateur à partir de relativement peu de caractères (~3-8) de données de frappe. Les limites de confiance qui en résultent sont plus étroites que celles produites par les méthodes traditionnelles. La méthode peut ainsi être utilisée pour estimer les performances des BCI plus rapidement et/ou plus précisément.

Introduction

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

Les interfaces cerveau-ordinateur (BCI) sont une technologie non invasive qui permet aux individus de communiquer directement par le biais de machines sans tenir compte des limitations physiques imposées par le corps. BCI peut être utilisé comme un dispositif d’assistance actionné directement par le cerveau. BCI utilise l’activité cérébrale d’un utilisateur pour déterminer si l’utilisateur a l’intention de choisir une certaine touche (lettre, chiffre ou symbole) affichée à l’écran1. Dans un système informatique typique, un utilisateur appuie physiquement sur la touche prévue d’un clavier. Cependant, dans un système BCI avec un affichage visuel,....

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

Protocol

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

L’interface graphique « CBLE Performance Estimation » a été appliquée à deux ensembles de données : l’ensemble de données « BrainInvaders » et l’ensemble de données Michigan. Pour le jeu de données « BrainInvaders », la collecte de données a été approuvée par le Comité d’éthique de l’Université Grenoble Alpes20. Les données du Michigan ont été recueillies avec l’approbation du Conseil d’examen institutionnel de l’Université du Michigan19. Les données ont été analysées selon le protocole d’exemption 7516 de l’Université d’État du Kansas. Si vous recueillez de nouvelles données, suivez le processus approuvé par le CISR pou....

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

Results

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

Le protocole proposé a été testé sur deux ensembles de données différents : « BrainInvaders » et l’ensemble de données du Michigan. Ces jeux de données sont déjà présentés brièvement dans la section Introduction. Les paramètres utilisés pour ces deux ensembles de données sont mentionnés dans le tableau 1. Les figures 2 à 4 illustrent les résultats obtenus à l’aide de l’ensemble de données « BrainInvaders », tandis que les

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

Discussion

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

Cet article décrit une méthode d’estimation de la précision des BCI à l’aide d’un petit ensemble de données P300. Ici, le protocole actuel a été développé sur la base de l’ensemble de données « bi2014a », bien que l’efficacité du protocole ait été confirmée sur deux ensembles de données différents. Pour mettre en œuvre cette technique avec succès, il est crucial d’établir certaines variables, telles que la fenêtre d’époque pour les données d’origine, la fenêtre de décalage temporel, le taux de sous-échantillonnage et la .......

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

Disclosures

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

Tous les auteurs déclarent ne pas avoir de conflits d’intérêts.

Acknowledgements

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

Les données utilisées pour les résultats représentatifs ont été recueillies à partir des travaux soutenus par le National Institute of Child Health and Human Development (NICHD), les National Institutes of Health (NIH) dans le cadre de la subvention R21HD054697 et le National Institute on Disability and Rehabilitation Research (NIDRR) du ministère de l’Éducation dans le cadre de la subvention H133G090005 et du numéro de subvention H133P090008. Le reste du travail a été financé en partie par la National Science Foundation (NSF) dans le cadre du prix #1910526. Les résultats et les opinions de ce travail ne reflètent pas nécessairement les positions du NICHD, du NIH, du ....

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/A N/A N’importequelle version récente de MATLAB peut être utilisée.

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