P300-Based Brain-Computer Interface Speller Performance Estimation with Classifier-Based Latency Estimation

Summary

本稿では、小規模なテストデータセットを使用して、同日P300スペラーブレイン・コンピューター・インターフェース(BCI)の精度を推定する方法を紹介します。

Abstract

性能の見積もりは、ブレイン・コンピュータ・インターフェース(BCI)システムの開発と検証に必要なステップです。残念ながら、最新のBCIシステムでさえ低速であるため、検証に十分なデータを収集することは、エンドユーザーと実験者の両方にとって時間のかかる作業です。しかし、十分なデータがないと、パフォーマンスのランダムなばらつきにより、BCIが特定のユーザーに対してどの程度うまく機能しているかについて誤った推論につながる可能性があります。たとえば、P300スペラーは、通常、1分間に約1〜5文字を操作します。5%の解像度で精度を推定するには、20文字(4〜20分)が必要です。この時間の投資にもかかわらず、20文字からの精度の信頼限界は、観察された精度に応じて最大±23%になる可能性があります。以前に発表された手法であるClassifier-Based Latency Estimation(CBLE)は、BCIの精度と高い相関があることが示されました。この研究では、CBLEを使用して、比較的少ない文字数(~3-8)のタイピングデータからユーザーのP300スペラーの精度を予測するためのプロトコルを提示します。結果として得られる信頼限界は、従来の方法で生成される信頼限界よりも狭くなります。したがって、この方法を使用して、BCIパフォーマンスをより迅速かつ正確に推定できます。

Introduction

ブレイン・コンピューター・インターフェース(BCI)は、身体による物理的な制限に関係なく、個人が機械を介して直接通信できるようにする非侵襲的な技術です。BCIは、脳が直接操作する補助器具として活用できます。BCIは、ユーザの脳活動を用いて、ユーザが画面¹に表示される特定のキー(文字、数字、または記号)を選択しようとしているかどうかを判断します。一般的なコンピュータシステムでは、ユーザーはキーボードの目的のキーを物理的に押します。ただし、ビジュアルディスプレイを備えたBCIシステムでは、ユーザーは目的のキーに焦点を合わせる必要があります。そして、BCIは、測定された脳信号¹を解析することにより、意図したキーを選択する。脳の活動は、さまざまな技術を使用して測定できます。競合するBCI技術もありますが、脳波(EEG)は、その非侵襲性、高い時間分解能、信頼性、および比較的^{低コスト2}により、主要な技術と見なされています2。

BCIのアプリケーションには、通信、デバイス制御、およびエンターテインメントが含まれます^3、4、5、

Protocol

「CBLE Performance Estimation」GUIは、「BrainInvaders」データセットとMichiganデータセットの2つのデータセットに適用されました。「BrainInvaders」データセットについては、データ収集はグルノーブルアルプス大学の倫理委員会によって承認されました²⁰。ミシガン州のデータは、ミシガン大学治験審査委員会の承認の下で収集されました¹⁹。データは、カンザス州立大学の免除プロトコル7516に基づいて分析されました。新しいデータを収集する場合は、インフォームド コンセントを収集するために、ユーザーが IRB が承認したプロセスに従います。ここで、提案されたプロトコルは、以前に記録され、匿名化されたデータのオフライン分析を使用して評価されるため、追加のインフォームドコンセントは必要ありませんでした。

この記事に含まれるグラフィカル・ユーザー・インターフェース (GUI) は、2 つの異なるデータ・フォーマットの管理に習熟しています。最初の形式はBCI2000ソフトウェアに関連付けられており、2番目の形式は「BrainInvaders」データセットと呼ばれます。「Brain Invaders」フォーマットを利用するには、プロトコルセクションのステップ1で説明したように、データを前処理する必要があります。ただし、「BCI2000」データセット形....

Results

提案されたプロトコルは、「BrainInvaders」とミシガン州のデータセットの2つの異なるデータセットでテストされています。これらのデータセットについては、「はじめに」セクションで簡単に紹介しています。この 2 つのデータセットに使用されたパラメーターを表 1 に示します。図2-4は「BrainInvaders」データセットを使用して得られた結果を示し、図5-7はミシガン州データセットから得られた結果を示しています。

「BrainInvaders」データセットには64人の参加者がいます。 図2 は、64人全員のBCI精度とvCBLEの関係を示しています。これは、vCBLEがBCI精度と高い負の相関があ.......

Discussion

この記事では、小さなP300データセットを使用してBCI精度を推定する方法について概説しました。ここでは、現在のプロトコルは「bi2014a」データセットに基づいて開発されましたが、プロトコルの有効性は2つの異なるデータセットで確認されました。この手法を正常に実装するには、元のデータのエポック ウィンドウ、タイム シフトのウィンドウ、ダウンサンプリング率、トレーニング データセットとテスト データセットの両方のサイズなど、特定の変数を確立することが重要です。これらの変数は、ターゲットまたは文字の数、シーケンスの数、参加者の総数など、使用されているデータセットの特性によって決定されます。

「bi2014a」データセットの知見は、1文字から10文字のテストデータセットを含むすべてのテスト条件(10文字未満)について、vCBLEの予測が文字レベルのBCI精度と比較して優れた性能を示すことを示しています。ただし、テスト データセットが 7 つ以上のターゲットで構成されている場合、vCBLE のパフォーマンスは最小限の分散を示します。ミシガン州のデータから得られた結果から、テストデータセット.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
MATLAB 2021	Matlab	N/A	最近のMATLABバージョンであればどれでも使用できます。