Method Article

Estimativa de desempenho do corretor ortográfico da interface cérebro-computador baseada em P300 com estimativa de latência baseada em classificador

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 artigo apresenta um método para estimar a precisão da Interface Cérebro-Computador (BCI) do ortógrafo P300 no mesmo dia usando um pequeno conjunto de dados de teste.

Abstract

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

A estimativa de desempenho é uma etapa necessária no desenvolvimento e validação de sistemas de Interface Cérebro-Computador (ICB). Infelizmente, mesmo os sistemas BCI modernos são lentos, tornando a coleta de dados suficientes para validação uma tarefa demorada para usuários finais e experimentadores. No entanto, sem dados suficientes, a variação aleatória no desempenho pode levar a falsas inferências sobre o quão bem um BCI está funcionando para um usuário específico. Por exemplo, os ortógrafos P300 geralmente operam em torno de 1-5 caracteres por minuto. Para estimar a precisão com uma resolução de 5% requer 20 caracteres (4-20 min). Apesar desse investimento de tempo, os limites de confiança para precisão de 20 caracteres podem chegar a ±23%, dependendo da precisão observada. Um método publicado anteriormente, Classifier-Based Latency Estimation (CBLE), mostrou-se altamente correlacionado com a acurácia do BCI. Este trabalho apresenta um protocolo para o uso do CBLE para prever a precisão do digitador P300 de um usuário a partir de relativamente poucos caracteres (~3-8) de dados de digitação. Os limites de confiança resultantes são mais apertados do que aqueles produzidos pelos métodos tradicionais. O método pode, portanto, ser usado para estimar o desempenho do BCI de forma mais rápida e/ou mais precisa.

Introduction

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

As interfaces cérebro-computador (BCIs) são uma tecnologia não invasiva que permite que os indivíduos se comuniquem através de máquinas diretamente, sem levar em conta as limitações físicas impostas pelo corpo. O BCI pode ser utilizado como um dispositivo auxiliar operado diretamente pelo cérebro. O BCI usa a atividade cerebral de um usuário para determinar se o usuário pretende escolher uma determinada chave (letra, número ou símbolo) exibida na tela1. Em um sistema de computador típico, um usuário pressiona fisicamente a tecla pretendida em um teclado. No entanto, em um sistema BCI com uma exibição visual, o usuário precisa se concentrar na c....

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

Protocol

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

A GUI "CBLE Performance Estimation" foi aplicada a dois conjuntos de dados: "BrainInvaders" e Michigan. Para o conjunto de dados "BrainInvaders", a coleta de dados foi aprovada pelo Comitê de Ética da Universidade de Grenoble Alpes20. Os dados de Michigan foram coletados sob aprovação do Comitê de Revisão Institucional da Universidade de Michigan19. Os dados foram analisados de acordo com o protocolo isento 7516 da Kansas State University. Se coletar novos dados, siga o processo aprovado pelo IRB do usuário para coletar o consentimento informado. Aqui, o protocolo proposto é avaliado usando a análise off-line de dados pr....

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

Results

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

O protocolo proposto foi testado em dois conjuntos de dados diferentes: "BrainInvaders" e o conjunto de dados de Michigan. Esses conjuntos de dados já são apresentados brevemente na seção Introdução. Os parâmetros utilizados para esses dois conjuntos de dados são mencionados na Tabela 1. As Figuras 2 a 4 ilustram os achados obtidos com o conjunto de dados "BrainInvaders", enquanto as Figuras 5 a.......

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

Discussion

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

Este artigo descreveu um método para estimar a precisão do BCI usando um pequeno conjunto de dados P300. Aqui, o protocolo atual foi desenvolvido com base no conjunto de dados "bi2014a", embora a eficácia do protocolo tenha sido confirmada em dois conjuntos de dados diferentes. Para implementar com sucesso essa técnica, é crucial estabelecer certas variáveis, como a janela de época para os dados originais, a janela para mudança de tempo, a razão de amostragem para baixo e o tamanho dos conjuntos de dados de treinamento e.......

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

Disclosures

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

Todos os autores declaram não haver conflitos de interesse.

Acknowledgements

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

Os dados utilizados para resultados representativos foram coletados do trabalho apoiado pelo National Institute of Child Health and Human Development (NICHD), pelo National Institutes of Health (NIH) sob Grant R21HD054697 e pelo National Institute on Disability and Rehabilitation Research (NIDRR) no Departamento de Educação sob Grant H133G090005 e Award Number H133P090008. O resto do trabalho foi financiado em parte pela National Science Foundation (NSF) sob o prêmio #1910526. Os achados e opiniões dentro deste trabalho não refletem necessariamente as posições do NICHD, NIH, NIDRR ou NSF.

....

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/AQualquer versão recente do MATLAB pode ser usada.

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