研究文章|开放获取
人士Fatourechi Rabab k·沃德,加里·e·桦木, ”<年代pan class="adjust-article-svg-size">自学大脑计算机接口的性能数据污染的眼球运动工件和数据记录在随后的会议年代pan>”,计算智能和神经科学我>, 卷。2008年, 文章的ID749204年, 13 页面, 2008年。 https://doi.org/10.1155/2008/749204
自学大脑计算机接口的性能数据污染的眼球运动工件和数据记录在随后的会议
人士Fatourechi<一个class="sc-htpNat bUhGXt link" href="mailto:" aria-label="Mail Option">,<年代up>1年代up> Rabab k .病房,<年代up>1,2年代up> 和年代pan> 加里·e·桦木<年代up>1,2,3年代up>
1年代up>图像和信号处理实验室,电子和计算机工程系,温哥华,不列颠哥伦比亚大学,加拿大年代pan>
2年代up>计算研究所、信息和认知系统,温哥华,不列颠哥伦比亚大学,加拿大年代pan>
3年代up>尼尔乡绅社会,本拿比,公元前,加拿大年代pan>
文摘
特定的自学BCI的性能(SBCI)研究了使用两个不同的数据集来确定其是否适合使用在线:(1)污染的数据大幅度眼球运动,和(2)数据记录在一个会话后续设计使用的原始会话系统。没有数据被拒绝的一部分在随后的会议。因此,这个数据集可以被视为一个“pseudo-online”测试集。SBCI在调查中使用特性提取三个特定的神经现象。这些神经现象属于一个不同的频带。因为许多著名的工件的主要是低频(例如,眼球运动)或主要是高频性质(例如,肌肉运动),预计该系统性能在artifact-contaminated数据显示了一个相当可靠。分析数据的四个参与者使用污染的时代大幅度动构件显示系统的性能恶化略。此外,系统的性能在会话期间后续原始会话仍基本一样在原始会话为四分之三的参与者。这温和的性能可以被认为是可以容忍的,因为允许artifact-contaminated数据作为输入使系统可供用户。
1。介绍
自学大脑计算机接口(SBCI)允许个人控制设备只使用他们的大脑信号,当他们希望(<一个href="#B1">1一个>]。SBCI系统的性能通常是通过两个目标函数确定:(1)真正的积极(TP),也就是说,有意控制的比例(IC)命令正确检测到SBCI系统,和(2)假阳性率(FP),也就是说,误报率由系统生成的时间用户无意控制(不控制(数控)时期)。换句话说,FP率是计算错误决策的比例在数控。
上面的功能,然而,历来计算超过时间没有污染的工件。由于生理的构件(如眼球运动(小城镇)和肌肉运动(EMG)可能在测试过程中经常出现的一个SBCI系统,他们需要有效地处理。各种自动拒绝和删除技术提出了在文献中处理这些工件,然而,他们中的大多数患有一些缺点,可能会限制他们的应用程序在在线测试系统(<一个href="#B2">2一个>]。
一个解决方案是设计一个SBCI系统的结构是健壮的工件。作为一个例子,考虑一个SBCI系统使用功能从不同的神经现象,每个属于不同的频带。我们假设这样一个SBCI系统应该有一个良好的性能的构件,由于每个类型的工件是在特定频段通常只突出。例如,小城镇构件主要是低频的,而大多是高频的EMG工件。为了验证这个假设,我们检查系统的性能提出了(<一个href="#B3">3一个>)使用数据污染工件。这个SBCI系统采用特征提取三个神经现象,每一个都属于不同的频带:(1)刺激潜力(可机读护照),(2)改变的力量μ节奏(CPMR),和(3)改变β节律(CPBR)的力量。这些现象是用来区分故意控制(IC)命令和没有控制(NC)脑电图段。
在[<一个href="#B3">3一个>),系统的性能进行了测试使用artifact-free数据从四个强壮的参与者。在五个交易日的数据收集,数据没有污染的大幅度动构件被用来训练系统。使用这些数据,实现TP率平均为56.2%,而平均FP率为0.1%。
我们进行两项研究试验,来测试系统的性能期间污染工件。在第一项研究中,我们评估系统的性能在时代从第一个五个交易日,污染大幅度眼球运动的活动(例如,眨眼)。在第二项研究中,我们评估系统的性能数据记录在“后续会话”。对于每一个参与者,六分之一的会议,“后续会话”被记录在稍后的日期,发生一到六天之后第五次会议。一样的范式在前面5会话用于数据记录。所有的时代,是否含有任何工件,在第二项研究中使用。本研究可以被看作是一个系统的性能测试在“pseudo-online”环境中,但没有反馈用户的性能给用户。
在下一节中,我们提供更多的背景信息的状态的艺术SBCI系统,处理工件的方法,以及如何使用多个神经现象可能会导致一种更健壮的性能的工件。
2。背景
2.1。SBCI的艺术系统
目前,两种不同的方法对BCI系统的设计追求:同步和自学<一个href="#B4">4一个>]。在同步方法中,形成传统的BCI系统的设计方法,用户只能在特定的时间间隔执行控制系统指定的。而同步BCI系统可以实现分类精度高(<年代vg height="8.8500004" id="M1" style="vertical-align:-0.30096pt;width:10.825px;" version="1.1" viewbox="0 0 10.825 8.8500004" width="10.825" xmlns="http://www.w3.org/2000/svg">
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
从表<一个href="//www.newsama.com/journals/cin/2008/749204/tab1/" target="_blank">1一个>,前五个研究生成相对大量的假阳性。FP率很低的唯一系统研究[6<一个href="#B3">3一个>)的性能,在新的条件下研究在当前的研究中。请注意,在<一个href="#B3">3一个>只有那些时代,没有污染的大幅度眼球运动的活动(例如,但工件)被用于评估性能。因为这系统表现出良好的性能在FP的低利率而有合理的TP利率,下一个逻辑步骤是测试性能数据污染的生理工件。
2.2。生理BCI系统的工件
生理工件是不受欢迎的潜力,污染脑电图信号。这些工件可以修改的形状驱动BCI系统神经现象。因此,工件可能阻止SBCI系统正确识别控制命令,或者他们可能会导致系统来识别一个artifact-related模式作为一个有意的控制命令(导致一个错误的激活)。的两个生理工件检查最BCI研究眼电图(小城镇)和肌电图(EMG)工件。大量的研究表明,小城镇和EMG活动生成的工件可能影响神经现象用于BCI [<一个href="#B6">11一个>,<一个href="#B7">12一个>]。这些工件往往是无意识的,在信号采集和控制他们并不容易。因此,需要避免,拒绝或删除它们从脑电图信号。
最近的评估的结果指出,大多数BCI研究不报告他们如何处理存在的工件提出设计或他们手动拒绝突出的构件(<一个href="#B2">2一个>]。然而,这些系统仍然可能遇到问题的在线测试系统,在生理工件发生频繁。在一些研究中,方法是使用自动拒绝数据污染工件(<一个href="#B10">6一个>,<一个href="#B8">13一个>- - - - - -<一个href="#B11">15一个>]。自动拒绝数据时代的一个缺点是污染的工件是可用的系统是控制的时间大大减少。例如,生理的构件(如眨眼频繁发生,使SBCI系统无法控制这些时期。
另一种方法是采用自动工件去除方法,如过滤、回归,独立分量分析(见[<一个href="#B2">2一个>详细的审查)。很少有BCI研究这些方法用于去除工件(<一个href="#B12">16一个>- - - - - -<一个href="#B14">18一个>]。不幸的是,这些工件自动去除方法时出现的几个问题。首先,大多数工件去除方法,如过滤和回归的神经系统会删除相关有用的信息从脑电图信号现象。尽管独立分量分析等先进的方法减少了大脑活动,这个问题并非完全缓解(<一个href="#B15">19一个>]。其次,消除肌肉(EMG)工件并不是一个简单的过程,各种来源的EMG工件应该确定。第三个问题是工件去除方法的计算复杂度,这远高于工件拒绝的方法。
另一种方法,这些方法将在下一节讨论。
2.3。鲁棒性的工件
另一种方法来删除或拒绝的工件从脑电图信号是设计一个BCI系统健壮的工件。在这种情况下,构件的存在不会影响BCI系统的性能。这种方法在BCI文献没有得到太多的关注。如果成功实施,这种方法比以前的方法更有优势。首先,系统变得可用。第二,神经现象不会从大脑信号,第三,如果这个设计处理所有工件在一起,那么就不会有需要设计不同的方法处理不同类型的小城镇工件(例如眨眼,对准目标,眼滚动)以及EMG工件(例如,面部肌肉移动,下巴紧握)。
SBCI的方法提高鲁棒性的工件是设计的系统使用多个神经现象来检测IC命令。每个神经现象有自己的时空特征更突出特定的频段。系统取决于某些神经现象预计将强有力的工件的频率内容集中在频带以外的神经现象。作为一个例子,刺激潜力(可机读护照)低频内容<年代vg height="8.8500004" id="M9" style="vertical-align:-0.30096pt;width:10.825px;" version="1.1" viewbox="0 0 10.825 8.8500004" width="10.825" xmlns="http://www.w3.org/2000/svg">
现在考虑一个SBCI系统,在任何时间使用特征提取的实例可机读护照以及μ的力量和β节律的变化。如果三个特征向量提取这三个神经现象分别进行分类,该系统预计将更健壮的肌肉运动(EMG)和眼球运动(小城镇)工件SBCI系统相比,使用特征提取只有一个神经的现象。这是因为系统的性能是影响只是部分的小城镇和肌电图的构件。这个想法是在图解释一个简化的形式<一个href="//www.newsama.com/journals/cin/2008/749204/fig2/" target="_blank">2一个>。
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
一个SBCI应该区分IC和数控时代。出于这个原因,数控会话中的数据也需要代表时代期间,用户不打算控制。一个数控会话期间,参与者被要求计算的次数,一个白色的球反弹监视器的屏幕。数控课程包含细心以及nonattentive NC数据。每个数控会议持续了大约两分钟。在每一天的记录,两个这样的数控会话记录。数控部分选择如下:一个窗口的宽度<年代vg height="14.7125" id="M17" style="vertical-align:-3.22281pt;width:82.662498px;" version="1.1" viewbox="0 0 82.662498 14.7125" width="82.662498" xmlns="http://www.w3.org/2000/svg">
此次活动的IC和数控时代超过一个预定义的阈值(±25<年代vg height="9.6750002" id="M18" style="vertical-align:-2.29482pt;width:9.6374998px;" version="1.1" viewbox="0 0 9.6374998 9.6750002" width="9.6374998" xmlns="http://www.w3.org/2000/svg">
3.3。评价
在[<一个href="#B3">3一个>),嵌套了五倍交叉验证被用来评估系统的性能在所谓的“artifact-free”数据。内部交叉验证设置用于模型选择,和外部交叉验证集被用来估计泛化误差。为每个外部交叉验证集,20%的数据被用于测试,其余的用于训练和模型验证。为了选择模型,数据集被进一步分成五个折叠。对于每一个褶皱,80%的数据被用于训练分类器,和20%的人用于模型验证。在artifact-contaminated测试系统的性能数据,所有的时代都标记为artifact-contaminated被用作研究1的测试集。
的方法计算TP率如图<一个href="//www.newsama.com/journals/cin/2008/749204/fig4/" target="_blank">4一个>。在图<一个href="//www.newsama.com/journals/cin/2008/749204/fig4/" target="_blank">4一个>(一)样本EEG信号,如图<一个href="//www.newsama.com/journals/cin/2008/749204/fig4/" target="_blank">4一个>(b),输出的物理切换显示。如前所述,数据从1秒前1秒后,一个决策点是用于分类。假设系统没有处理延迟和SBCI系统理想的检出率,SBCI系统的输出应该是显示在图<一个href="//www.newsama.com/journals/cin/2008/749204/fig4/" target="_blank">4一个>(c)。换句话说,IC命令是由系统1秒后按下开关。虽然,开关的具体时间激活,神经现象可能不完全寿命及其开关激活。因此,我们也认为任何激活的时间范围<年代vg height="13.3125" id="M19" style="vertical-align:-1.95624pt;width:109.225px;" version="1.1" viewbox="0 0 109.225 13.3125" width="109.225" xmlns="http://www.w3.org/2000/svg">
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
检查artifact-contamination对性能的影响,我们进行了双向方差分析(方差分析)。首先,“TP率”被认为是依赖变量,和“参与者”和“工件污染”被认为是独立的变量。至于“工件污染”,有两种情况:“污染”和“noncontaminated”。方差分析显示出非常重要的“参与者”的主要影响<年代vg height="13.45" id="M20" style="vertical-align:-2.21957pt;width:74.375px;" version="1.1" viewbox="0 0 74.375 13.45" width="74.375" xmlns="http://www.w3.org/2000/svg">
接下来,“FP率”被认为是依赖变量,和“参与者”和“artifact-contamination”被认为是独立的变量。方差分析显示一个高度显著的主效应“参与者”(<年代vg height="14.3625" id="M22" style="vertical-align:-0.30096pt;width:58.012501px;" version="1.1" viewbox="0 0 58.012501 14.3625" width="58.012501" xmlns="http://www.w3.org/2000/svg">
4.2。测试数据记录在随后的会议
在[<一个href="#B3">3一个>节),<一个href="#subsec4.1">4所示。1一个>以上,我们研究系统的性能数据收集前五个交易日使用嵌套的交叉验证方法。我们保留数据记录在过去(六)会话在这项研究中,他们表示为数据记录在“后续会话”。参与者有所、AB2 AB3, AB4,“后续会话”数据,分别记录在天2、1、6和2记录数据后使用fo设计系统(见表<一个href="//www.newsama.com/journals/cin/2008/749204/tab2/" target="_blank">2一个>)。
“后续会话”数据可以被认为是一个“完整的”测试,因为没有这些数据被用于设计系统的一部分,并且没有数据的一部分(工件)污染是否被拒绝在分析。
SBCI当的性能测试报告的“后续会话”数据表<一个href="//www.newsama.com/journals/cin/2008/749204/tab4/" target="_blank">4一个>。TP和FP率代表的列,行代表的参与者id。两套数控数据被认为是:数控数控会话期间收集的数据,也就是说,两分钟的会议期间,运动没有执行,和NC数据收集期间故意动作进行的会话。后者数据,NC数据收集连续时期两个运动的尝试。
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
TP和FP系统计算数据结果记录在第一个五天也报道在表<一个href="//www.newsama.com/journals/cin/2008/749204/tab4/" target="_blank">4一个>。请注意,这些值的组合结果artifact-contaminated和noncontaminated数据。在[<一个href="#B3">3一个>),5倍交叉验证嵌套分析导致五组不同的特性和分类器参数值为每个参与者。结果在表<一个href="//www.newsama.com/journals/cin/2008/749204/tab4/" target="_blank">4一个>因此显示经过平均5外为每个参与者交叉验证集。括号中的数字是标准偏差。
为进一步检查SBCI的性能,我们进行了双向方差分析研究。首先,“TP率”被认为是依赖变量,和“参与者”和“会话”被认为是独立的变量。至于“会话”,有两个值:“当前”和“后续”。我们比较了TP利率归因于分类时代的“当前”测试集分类与归因于时代的“后续会话”。方差分析显示相当重要作用的“参与者”<年代vg height="13.45" id="M25" style="vertical-align:-2.21957pt;width:66.550003px;" version="1.1" viewbox="0 0 66.550003 13.45" width="66.550003" xmlns="http://www.w3.org/2000/svg">
接下来,我们比较了FP利率在“当前”测试集,与FP利率数据的标记“后续会话”方差分析显示一个高度显著的主效应“参与者”(<年代vg height="14.3625" id="M27" style="vertical-align:-0.30096pt;width:58.012501px;" version="1.1" viewbox="0 0 58.012501 14.3625" width="58.012501" xmlns="http://www.w3.org/2000/svg">
请注意,TP的平均速度在参与者有所AB3第一5会话是49.8%和51.9%的后续会议。这三个参与者的平均FP率为0.4%的条件。这些结果表明,除了AB4,系统并维持其性能测试与新数据集。
我们策划的输出两个参与者表明SBCI系统集成电路的检测命令并配合的运动(见图<一个href="//www.newsama.com/journals/cin/2008/749204/fig5/" target="_blank">5一个>)。为了有一个更清晰的图像,输出是绘制小代表时间(约20 - 30秒)。运动的爆发是实线绘制,和SBCI是策划的输出作为钻石。一位与会者(参与者有所)、TPs和fn也显示(见图<一个href="//www.newsama.com/journals/cin/2008/749204/fig5/" target="_blank">5(一个)一个>)。请注意<我>x我>设在代表秒。这些结果表明,SBCI确实检测IC命令,由于SBCI检测模式前后的激活开关。
(一)年代trong>
(b)年代trong>
(c)年代trong>