混合SSVEP-P300 BCI生产双频SSVEP

更多技术干货第一时间送达

Eliciting dual-frequency SSVEP using a hybrid SSVEP-P300BCI

使用混合SSVEP-P300BCI生产双频SSVEP

首尔国立首尔大学医学院的科研人员介绍了一种新的混合SSVEP- P300 拼写器(speller),该拼写器能够产生双频SSVEP,在解决信息传输率(ITR)低的问题上有一定的效果。

基于稳态视诱发电位(SSVEP)的脑机接口(BCI)在监控器上产生微弱的SSVEP,不能使用谐波频率,而基于P300的BCI需要多个刺激序列。这些问题会降低信息传输率(ITR)。

在该项研究中,研究人员介绍了一种新的混合SSVEP- P300 拼写器(speller),该拼写器能够产生双频SSVEP,从而克服了上述限制并提高了性能。混合SSVEP- P300 拼写器(speller)如下图所示。

混合拼写器:(a)混合刺激的组成(b)混合拼写器

四个不同的字符以不同的颜色和位置出现,以提高识别和性能(上图a)。因此,9个刺激由36个字符(A-Z、1-9和退格-Backspace)按顺序排列(上图b)。每个刺激以黑色(OFF)和白色(ON)闪烁,并具有不同的闪烁周期(SSVEP刺激周期;表1),以唤起SSVEP。rate维持在0.8。当刺激启动时,四个字符中的一个随机出现。字符出现在ON状态的时间(P300刺激期)随刺激的不同而不同(如下表)。例如,a到D之间的字符每两个ON状态出现一次。

实验中使用的常规拼写器

(a)SSVEP speller and (b) P300speller

方法

研究人员使用典型相关分析(CCA)和阶梯线性判别分析(SWLDA)分别对SSVEP和P300进行了分类。

实验与结果

10名受试者参与了离线和在线实验,其中准确性和ITR与传统SSVEP和P300 spellers进行了比较。研究结果表明,离线分析不仅发现了P300电位,而且还发现了次谐波频率峰值的SSVEP,表明该speller可引发了双频SSVEP。与传统拼写器相比,这种双频刺激改善了SSVEP识别,通过使用谐波频率增加了目标数量,减少了P300的刺激时间,因而改善了ITR。

SSVEP对每个混合刺激在Oz的响应的平均功率谱。点划线代表P300刺激频率,而虚线代表每种刺激的SSVEP刺激频率。刺激4的点和点重叠,因为SSVEP和P300频率相同。

SSVEP speller(0.855±0.024)各序列的平均准确率均高于其他speller(混合speller: 0.819±0.027,P300 speller:0.831±0.030);下图a),差异无统计学意义(F = 0.736,p = 0.493)。平均ITR在spellers (F = 51.294,p < 0.001)和序列号(F = 48.211,p < 0.001)之间存在显著差异,二者之间也存在相互作用(F = 22.103, p <0.001);下图 b)。其中混合speller(22.290±1.274 bpm)的表现优于其他speller(11.843±0.743 bpm);P300拼字机为13.251±0.938 bpm;p <0.001)。更重要的是,对于3或更高的序列号,混合拼写器的ITR始终显着高于其他拼写器(p <0.003)。

结论


双频SSVEP比传统SSVEP在精度和ITR方面更有优势,包括SSVEP的增强和对不同刺激的谐波闪烁频率的使用。本研究提出的方法减少了刺激时间,允许谐波频率用于不同的刺激。本研究为提高BCI拼写器的可靠性和效率提供了一种有效的方法。

*凡来源非注明"原创"的所有作品,均为转载,其目的在于促进信息分享交流,不做商业用途。若有侵权,请及时通知后台,管理人员删侵。

更多阅读

深度神经网络对脑电信号运动想象动作的在线解码

应用深度学习EEGNet来处理脑电信号

一种基于脑电图情感识别的新型深度学习模型

脑机音乐接口,高效检测用户的情绪状态

将深度学习技术应用于基于情境感知的情绪识别

EEG信号特征提取算法

EEGNet: 神经网络应用于脑电信号

信号处理之倒频谱原理与python实现

信号处理之功率谱原理与python实现

脑电信号滤波-代码实现

运动想象系统中的特征提取算法和分类算法

特征提取算法 | 共空间模式 Common Spatial Pattern(CSP)

功率谱估计-直接法原理与案例

MNE中文教程(16)-脑电数据的Epoching处理

DEAP数据库介绍--来自于音乐视频材料诱发得到的脑电数据

PsychoPy安装与测试案例

PsychoPy文字刺激、图片刺激和光栅刺激

Python机器学习算法随机森林判断睡眠类型

(0)

相关推荐