P300-gebaseerde Brain-Computer Interface Speller Performance Estimation met Classifier-Based Latency Estimation

Summary

Dit artikel presenteert een methode voor het schatten van de nauwkeurigheid van de P300-speller Brain-Computer Interface (BCI) op dezelfde dag met behulp van een kleine testdataset.

Abstract

Prestatieschatting is een noodzakelijke stap in de ontwikkeling en validatie van Brain-Computer Interface (BCI)-systemen. Helaas zijn zelfs moderne BCI-systemen traag, waardoor het verzamelen van voldoende gegevens voor validatie een tijdrovende taak is voor zowel eindgebruikers als experimentatoren. Maar zonder voldoende gegevens kan de willekeurige variatie in prestaties leiden tot valse gevolgtrekkingen over hoe goed een BCI werkt voor een bepaalde gebruiker. P300-spellers werken bijvoorbeeld gewoonlijk rond de 1-5 tekens per minuut. Om de nauwkeurigheid met een resolutie van 5% te schatten, zijn 20 tekens (4-20 min) nodig. Ondanks deze tijdsinvestering kan de betrouwbaarheidsgrens voor nauwkeurigheid vanaf 20 tekens oplopen tot ±23%, afhankelijk van de waargenomen nauwkeurigheid. Een eerder gepubliceerde methode, Classifier-Based Latency Estimation (CBLE), bleek sterk gecorreleerd te zijn met BCI-nauwkeurigheid. Dit werk presenteert een protocol voor het gebruik van CBLE om de P300-spellingnauwkeurigheid van een gebruiker te voorspellen op basis van relatief weinig tekens (~3-8) typegegevens. De resulterende betrouwbaarheidsgrenzen zijn strakker dan die van traditionele methoden. De methode kan dus worden gebruikt om de BCI-prestaties sneller en/of nauwkeuriger in te schatten.

Introduction

Brain-computer interfaces (BCI's) zijn een niet-invasieve technologie waarmee individuen rechtstreeks via machines kunnen communiceren zonder rekening te houden met fysieke beperkingen die door het lichaam worden opgelegd. BCI kan worden gebruikt als een hulpmiddel dat rechtstreeks door de hersenen wordt bediend. BCI gebruikt de hersenactiviteit van een gebruiker om te bepalen of de gebruiker van plan is een bepaalde toets (letter, cijfer of symbool) te kiezen die op het scherm wordt weergegeven¹. In een typisch computersysteem drukt een gebruiker fysiek op de beoogde toets op een toetsenbord. In een BCI-systeem met een visuele weergave moet de....

Protocol

De GUI "CBLE Performance Estimation" werd toegepast op twee datasets: de "BrainInvaders"-dataset en de Michigan-dataset. Voor de dataset "BrainInvaders" werd de gegevensverzameling goedgekeurd door de ethische commissie van de Universiteit van Grenoble Alpes²⁰. Michigan-gegevens werden verzameld onder goedkeuring van de University of Michigan Institutional Review Board¹⁹. Gegevens werden geanalyseerd onder vrijgesteld protocol 7516 van de Kansas State University. Als u nieuwe gegevens verzamelt, volgt u het door de IRB goedgekeurde proces van de gebruiker voor het verzamelen van geïnformeerde toestemming. Hier wordt het ....

Results

Het voorgestelde protocol is getest op twee verschillende datasets: "BrainInvaders" en de Michigan-dataset. Deze datasets zijn al kort geïntroduceerd in de sectie Inleiding. De parameters die voor deze twee datasets zijn gebruikt, zijn vermeld in tabel 1. Figuren 2-4 tonen de bevindingen die zijn verkregen met behulp van de "BrainInvaders"-dataset, terwijl figuren 5-7 de resultaten laten zien die zijn behaald me.......

Discussion

Dit artikel schetste een methode voor het schatten van de BCI-nauwkeurigheid met behulp van een kleine P300-dataset. Hier is het huidige protocol ontwikkeld op basis van de "bi2014a"-dataset, hoewel de werkzaamheid van het protocol werd bevestigd op twee verschillende datasets. Om deze techniek met succes te implementeren, is het cruciaal om bepaalde variabelen vast te stellen, zoals het epoch-venster voor de oorspronkelijke gegevens, het venster voor tijdverschuiving, de down-sampling-ratio en de grootte van zowel de tr.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
MATLAB 2021	Matlab	N/A	Any recent MATLAB version can be used.