Method Article

Оценка производительности средства проверки орфографии интерфейса мозг-компьютер на основе P300 с оценкой задержки на основе классификатора

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

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

В этой статье представлен метод оценки точности интерфейса мозг-компьютер (BCI) средства проверки орфографии P300 в тот же день с использованием небольшого тестового набора данных.

Abstract

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

Оценка производительности является необходимым этапом в разработке и валидации систем интерфейса мозг-компьютер (BCI). К сожалению, даже современные системы BCI работают медленно, что делает сбор достаточного количества данных для проверки трудоемкой задачей как для конечных пользователей, так и для экспериментаторов. Тем не менее, без достаточных данных случайные колебания производительности могут привести к ложным выводам о том, насколько хорошо BCI работает для конкретного пользователя. Например, средства проверки орфографии P300 обычно обрабатывают от 1 до 5 символов в минуту. Для оценки точности с разрешением 5% требуется 20 символов (4-20 мин). Несмотря на эти временные затраты, доверительные границы точности от 20 символов могут достигать ±23% в зависимости от наблюдаемой точности. Было показано, что ранее опубликованный метод, Classifier-Based Latency Estimation (CBLE), сильно коррелирует с точностью BCI. В этой работе представлен протокол использования CBLE для прогнозирования точности орфографии P300 пользователя по относительно небольшому количеству символов (~3-8) вводимых данных. Результирующие доверительные границы более жесткие, чем те, которые получены традиционными методами. Таким образом, метод может быть использован для более быстрой и/или более точной оценки производительности BCI.

Introduction

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

Интерфейсы мозг-компьютер (ИМК) — это неинвазивная технология, которая позволяет людям общаться через машины напрямую, не обращая внимания на физические ограничения, налагаемые организмом. ИМК может использоваться в качестве вспомогательного устройства, управляемого непосредственно мозгом. BCI использует мозговую активность пользователя, чтобы определить, намерен ли пользователь выбрать определенную клавишу (букву, цифру или символ), отображаемую на экране1. В типичной компьютерной системе пользователь физически нажимает нужную клавишу на клавиатуре. Однако в системе BCI с визуальным дисплеем пользователю необходимо сосредоточиться на нужной кл....

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

Protocol

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

Графический интерфейс "CBLE Performance Estimation" был применен к двум наборам данных: набору данных "BrainInvaders" и набору данных Мичигана. Для набора данных «BrainInvaders» сбор данных был одобрен Этическим комитетом Университета Гренобль-Альпы20. Данные по Мичиганскому университету были собраныс одобрения Наблюдательного совета Мичиганского университета. Данные были проанализированы в соответствии с протоколом 7516 Университета штата Канзас. При сборе новых данных следуйте утвержденному IRB процессу сбора информированного согласия пользователя. В данном случае предлагаемый протокол оценивается с помощью автономного....

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

Results

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

Предложенный протокол был протестирован на двух разных наборах данных: «BrainInvaders» и датасете из Мичигана. Эти наборы данных уже кратко представлены в разделе Введение. Параметры, используемые для этих двух наборов данных, приведены в таблице 1. На рисунках 2-4 показаны результаты, полученные с помощью набора данных "BrainInvaders", в то время как на рисунках 5-7 показаны ре.......

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

Discussion

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

В этой статье описан метод оценки точности BCI с использованием небольшого набора данных P300. В данном случае текущий протокол был разработан на основе набора данных «bi2014a», хотя эффективность протокола была подтверждена на двух разных наборах данных. Для успешной реализации этого метода крайне важно установить определенные переменные, такие как окно эпохи для исходных данных, окно для сдвига по времени, коэффициент понижения выборки и размер как обучающего, так и проверочного наборов данных. Эти переменные определяю.......

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

Disclosures

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

Все авторы заявляют об отсутствии конфликта интересов.

Acknowledgements

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

Данные, использованные для получения репрезентативных результатов, были собраны в ходе работы, поддержанной Национальным институтом детского здоровья и развития человека (NICHD), Национальными институтами здравоохранения (NIH) в рамках гранта R21HD054697 и Национальным институтом исследований в области инвалидности и реабилитации (NIDRR) при Министерстве образования в рамках гранта H133G090005 и гранта No H133P090008. Остальная часть работы была частично профинансирована Национальным научным фондом (NSF) в рамках гранта #1910526. Выводы и мнения, содержащиеся в этой работе, не обязательно отражают позицию NICHD, NIH, NIDRR или 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/AМожно использовать любую последнюю версию MATLAB.

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