Method Article

분류기 기반 대기 시간 추정을 사용한 P300 기반 뇌-컴퓨터 인터페이스 맞춤법 검사기 성능 추정

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

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

이 문서에서는 작은 테스트 데이터 세트를 사용하여 당일 P300 맞춤법 검사기 BCI(뇌-컴퓨터 인터페이스) 정확도를 예측하는 방법을 제공합니다.

Abstract

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

성능 추정은 BCI(Brain-Computer Interface) 시스템의 개발 및 검증에 필요한 단계입니다. 안타깝게도 최신 BCI 시스템조차도 속도가 느리기 때문에 검증을 위한 충분한 데이터를 수집하는 것은 최종 사용자와 실험자 모두에게 시간이 많이 걸리는 작업입니다. 그러나 충분한 데이터가 없으면 성능의 무작위 변동으로 인해 BCI가 특정 사용자에 대해 얼마나 잘 작동하는지에 대한 잘못된 추론이 발생할 수 있습니다. 예를 들어 P300 맞춤법 검사기는 일반적으로 분당 약 1-5자를 작동합니다. 5% 해상도로 정확도를 추정하려면 20자(4-20분)가 필요합니다. 이러한 시간 투자에도 불구하고 20자의 정확도에 대한 신뢰 한계는 관찰된 정확도에 따라 최대 ±23%가 될 수 있습니다. 이전에 발표된 방법인 CBLE(Classifier-Based Latency Estimation)는 BCI 정확도와 높은 상관 관계가 있는 것으로 나타났습니다. 이 작업은 CBLE를 사용하여 입력 데이터의 비교적 적은 문자(~3-8)에서 사용자의 P300 맞춤법 검사 정확도를 예측하기 위한 프로토콜을 제공합니다. 결과로 생성되는 신뢰한계는 기존 방법으로 생성된 신뢰한계보다 더 엄격합니다. 따라서, 이 방법은 BCI 성능을 보다 빠르고 및/또는 더 정확하게 추정하는데 사용될 수 있다.

Introduction

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

뇌-컴퓨터 인터페이스(BCI)는 개인이 신체에 의해 부과되는 물리적 제한에 관계없이 기계를 통해 직접 통신할 수 있도록 하는 비침습적 기술입니다. BCI는 뇌가 직접 조작하는 보조 장치로 활용될 수 있습니다. BCI는 사용자의 두뇌 활동을 사용하여 사용자가 화면1에 표시된 특정 키(문자, 숫자 또는 기호)를 선택할 것인지 여부를 결정합니다. 일반적인 컴퓨터 시스템에서는 사용자가 키보드에서 의도한 키를 물리적으로 누릅니다. 그러나 시각적 디스플레이가 있는 BCI 시스템에서 사용자는 원하는 키에 집중해야 합니다. 그런 다음 BCI는 측정된 뇌 신호1을 분석하여 원하는 키를 선택합니다. 뇌의 활동은 다양한 기술을 사용하여 측정할 수 있습니다. 경쟁하는 BCI 기술이 있지만 뇌전도(EEG)는 비침습적 특성, 높은 시간 분해능, 신뢰성 및 상대적으로 저렴한 비용으로 인해 선도적인 기술로 간주됩니다2.

BCI의 응용 분야에는 통신, 장치 제어 및 엔터테인먼트 3,4,5,6이 포함됩니다.

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

Protocol

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

"CBLE Performance Estimation" GUI는 "BrainInvaders" 데이터 세트와 Michigan 데이터 세트의 두 가지 데이터 세트에 적용되었습니다. "BrainInvaders" 데이터 세트의 경우 데이터 수집은 University of Grenoble Alpes20의 윤리 위원회의 승인을 받았습니다. 미시간 데이터는 University of Michigan Institutional Review Board의 승인19에 따라 수집되었습니다. 데이터는 Kansas State University 면제 프로토콜 7516에 따라 분석되었습니다. 새로운 데이터를 수집하는 경우 정보에 입각한 동의를 수집하기 위해 사용자의 IRB 승인 프로세스를 따릅니다. 여기에서 제안된 프로토콜은 이전에 기록되고 비식별화된 데이터의 오프라인 분석을 사용하여 평가되므로 추가 정보에 입각한 동의가 필요하지 않습니다.

이 문서에 포함된 GUI(그래픽 사용자 인터페이스)는 두 가지 고유한 데이터 세트 형식을 관리하는 데 능숙합니다. 첫 번째 형식은 BCI2000 소프트웨어와 연결되고 두 번째 형식은 "BrainInvaders" 데이터 세트라고 합니다. "Brain In....

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

Results

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

제안된 프로토콜은 "BrainInvaders"와 Michigan 데이터 세트의 두 가지 데이터 세트에서 테스트되었습니다. 이러한 데이터 세트는 소개 섹션에서 이미 간략하게 소개되어 있습니다. 이 두 데이터 세트에 사용되는 매개 변수는 표 1에 언급되어 있습니다. 그림 2-4는 "BrainInvaders" 데이터 세트를 사용하여 얻은 결과를 보여주는 반면, 그림 5-7은 Michigan 데이터 세트에서 얻은 결과를 보여줍니다.

"BrainInvaders" 데이터 세트에는 64명의 참가자가 있습니다. 그림 2 는 64명의 참가자 모두의 BCI .......

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

Discussion

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

이 기사에서는 작은 P300 데이터 세트를 사용하여 BCI 정확도를 추정하는 방법을 간략하게 설명했습니다. 여기서 현재 프로토콜은 "bi2014a" 데이터 세트를 기반으로 개발되었지만, 프로토콜의 효능은 두 개의 다른 데이터 세트에서 확인되었습니다. 이 기술을 성공적으로 구현하려면 원본 데이터의 epoch 창, 시간 이동 창, 다운 샘플링 비율, 학습 및 테스트 데이터 세트의 크기와 같은 특정 변수를 설정하는 것이 중요합니다. 이러한 변수는 대상 또는 문자 수, 시퀀스 수 및 총 참가자 수를 포함하여 사용 중인 데이터 세트의 특성에 따라 결정됩니다.

"bi2014a" 데이터 세트의 결과는 vCBLE의 예측이 1-10자를 포함하는 테스트 데이터 세트를 포함하는 모든 테스트 조건(10자 미만)에 대해 문자 수준 BCI 정확도에 비해 우수한 성능을 나타낸다는 것을 나타냅니다. 그러나 테스트 데이터 세트가 7개 이상의 대상으로 구성된 경우 vCBLE의 성능은 최소한의 편차를 보여줍니다........

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

Disclosures

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

모든 저자는 이해 상충이 없음을 선언합니다.

Acknowledgements

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

대표 결과에 사용된 데이터는 NICHD(National Institute of Child Health and Human Development), 보조금 R21HD054697 산하 NIH(National Institutes of Health), 보조금 H133G090005 및 Award Number H133P090008에 따라 교육부 산하 NIDRR(National Institute on Disability and Rehabilitation Research)의 지원을 받은 연구에서 수집되었습니다. 나머지 연구는 #1910526 상에 따라 NSF(National Science Foundation)에서 부분적으로 자금을 지원했습니다. 이 연구의 결과와 의견이 반드시 NICHD, NIH, NIDRR 또는 NSF의 입장을 반영하는 것은 아닙니다.

....

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/A최신 MATLAB 버전을 사용할 수 있습니다.

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