文摘

脑机接口(BCI)系统允许用户与外部世界交流认识到没有援助的大脑活动的周围运动神经系统。P300-based BCI是最常见的一种使用BCI系统能够获得较高的分类精度和信息传输速率(ITR)。面对刺激会导致大型与事件相关电位和提高P300-based BCI的性能。面对刺激但是,先前的研究主要集中在各种面类型的影响(即。,脸上表情,面对熟悉,multifaces) BCI的性能。面对透明度的影响差异的研究很少。因此,我们调查的影响,半透明的脸模式(STF-P)(可以看到主题目标字符闪烁刺激时)和传统的脸模式(.)(主题看不到目标字符闪烁刺激时)在BCI性能从透明度的角度来看。结果表明,STF-P获得更高的分类精度和ITR .比(< 0.05)。

1。介绍

脑机接口(BCI)是一种技术,允许用户与他人沟通或控制外部设备通过大脑活动本身(1- - - - - -3]。BCI直接测量大脑活动通常基于脑电图(EEG)记录动物通过置于头部表面的电极(4]。用户的意图可以被分析EEG信号的各种心理任务(5,6)可以帮助这些用户通过大脑活动直接控制外部设备。

P300-based BCI是最常见的一种使用BCI系统由Farwell和Donchin [7),这个系统使用flash信模式。只在过去的二十年里,“闪电”范式的目标改变颜色或简要掩饰了一个坚实的箱子(8)通常是用作刺激引起P300电位。然而,最近的研究主要集中在一个新的刺激计划,目标是重叠的一个著名的脸。实际上这样的刺激产生更好的性能比传统的flash只有通过大量的实验模式(8- - - - - -12]。这个结果是由于面对刺激可以引起其他事件相关电位(ERP)组件不仅限于P300组件(如顶正潜在(VPP) N170, N200)和N400),和这些潜力也导致分类精度。Zhang et al。11,12)报道,VPP和N170可以帮助提高分类精度与刺激变化的面孔。金等。8,9,13)也报道,N400明显有助于提高分类精度ERP-based BCI系统。目前,各种各样的脸已经被众多研究者提出模式。金等。8,10]提出了各种类型的脸范例(中性的脸,笑容,中性的脸,颤抖,颤抖的笑脸模式)和使用各种熟悉的面孔multifaces相比单一的脸。结果表明,ERP-based BCI的性能增强了这些刺激。考夫曼et al。9]介绍了面对刺激透明叠加在人物相比,闪光模式。他们的结果表明,这种刺激能产生更高的ERP振幅和获得更高的分类精度比闪信的模式。面对刺激但是,先前的研究主要集中在各种面类型的影响(即。,脸上表情,面对熟悉,multifaces) BCI性能8,10,14]。面对透明度的影响差异的研究很少。因此,我们调查的影响,半透明的脸模式(STF-P)(可以看到主题目标字符闪烁刺激时)和传统的脸模式(.)(主题看不到目标字符闪烁刺激时)在BCI的性能。半透明的脸可以增加心理突出的刺激和允许不间断的关注。因此,我们假设持续可见的目标特征有助于学科关注的目标,增加N200灯和N400振幅,提高ERP-based BCI的性能使用半透明的刺激。

2。方法

2.1。主题

十个健康受试者(2女性和8个男性,22日至26日进行的岁的平均年龄23.5)参与了这项研究。受试者的母语是汉语。此外,这些主题都是右撇子,没有已知的神经紊乱。他们签署的书面同意书之前实验中,和当地伦理委员会批准了在任何受试者同意书和实验过程。此外,所有科目没有先前的BCI的经历。

2.2。刺激和过程

受试者坐在椅子上在监视器前,6×6矩阵显示字符和数字(图1(一))[10]。他们被要求默数目标闪烁的次数,避免不必要的动作。在这项研究中,提出了两种范式的科目。两个模式的参数(即。,character size, intercharacter distance, background color, and stimulus brightness) were kept constant, except stimulus transparency. Accordingly, the counterbalance of the paradigm presentation could be obtained. In the first paradigm, the face stimulus concealed the target character, and the subject could not see the target character during the time the stimulus was on (Figure1 (b))。我们称这种模式为传统模式(.)。第二范式,刺激是半透明的,和这个主题可以看到目标字符时刺激(图1 (c))。我们称这种模式为半透明. (STF-P)。受试者的任务数的次数目标闪烁。flash的配置是基于二项式系数(15,16]。二项式系数是基于,,在那里代表的数量每试验和闪光代表闪光/试验的数量为每个元素的矩阵。我们选择的组合表示12-flash模式。表1显示的配置12-flash模式结合36双闪光模式。职位表1与36个字符的位置在一个6×6矩阵。

每个主题是必须完成两个范例(.和STF-P)在同一天。每个模式包含一个离线块和一个在线。范例.的顺序和STF-P抵消在整个实验十(5科目.第一)。离线期间,每个模式包括三个离线运行称为一个离线,和每个离线运行包含5个目标字符会拼写的主题没有任何休息。受试者每次脱机运行之间休息了3分钟。此外,每个目标角色是通过16试验,确定每个审判是由12个闪光。任何反馈将在离线实验研究对象。然而,在线期间,每个模式只有一个在线运行称为一个在线。试验的数量为每个目标识别字符自动选择了一个自适应策略17,18),每个试验也由12闪光。受试者被要求拼写36目标人物没有任何其他在线期间,系统会立即出现在线结果只要分类器识别目标人物。刺激的时间是100 ms,刺激发病异步是250 ms在离线和在线实验。此外,一个斜体数字被用来提示对象的下一个目标字符每次运行开始前,他们有4 s目标选择。此外,离线实验做完后,受试者4分钟休息准备以下在线实验。拼写副本任务是用于离线和在线实验。

2.3。校准

我们收购了EEG信号记录与g。USBamp和g。EEGcap(奥地利格拉茨贵港市技术)的敏感性为100μV, 0.5和30 Hz之间的带通滤波,采样256 Hz。总共16在实验中选择相应的电极位置根据国际系统(图10 - 202)[8]。这些头寸Fz、FC1 FC2, C3, C4、Cz, P3, P4, Pz, O1,盎司,O2, P7, P8, F3, F4。FPz作为地线,而对乳突(A)是用作参比电极。这些选择电极用于跟踪的脑电图信号。

2.4。特征提取过程

特征提取是一种有效的方法来降低维数和需要的计算量(18]。在这项研究中,三阶巴特沃斯带通滤波器是用来过滤EEG信号;高通是0.5赫兹和低通30 Hz。此外,我们从256 Hz downsampled EEG信号到36.6赫兹通过选择每个第七样本过滤后的脑电图。因此,我们得到的特征向量的大小16×29(16代表通道的数目和29表示时间点)。此外,winsorizing被用来去除眼电图干扰信号。第十和第90百分位数计算每个样本。振幅值躺下面第十百分位或超过第90百分位被替换为第十百分位或第90百分位,分别是(19]。

2.5。分类方案

贝叶斯线性判别分析(BLDA)是用于构建的分类器模型在线实验。BLDA能有效解决高维数据集或噪声拟合的问题由于其正则化方法。霍夫曼et al。20.)应用这种方法的分类P300 bci,取得了良好效果。

2.6。自适应系统设置

系统被用来判断两个连续输出的结果是一致的。因此,可以确定系统输出的最终结果。如果两个连续输出的结果一致,则系统导出的结果作为一个反馈。否则,系统将不提供任何反应,直到16试验完成。16试验结束时,分类器将自动选择最后输出(21]。

2.7。统计分析

我们选择成对样品测试(一个示例Kolmogorov-Smirnov测试)对正态分布调查的差异意味着从每个ERP平均振幅峰值点±20 .和STF-P范式之间的女士。我们也用这样的方法来探索在线分类精度和比特率的差异之间的两个范例。的非参数Wilcoxon符号秩检验是用来比较的反应的报告主题,因为这些数据服从一个不确定的分布。α水平α= 0.05。

2.8。主观报告

完成两个范例的任务后,我们进行了一项问卷调查的三个问题。三个问题都回答的科目在1 - 3范围内。一个高分表示高度的疲劳、困难和烦恼(1:最低;2:中等;3:最大值)。的问题如下:(1)这种模式让你累了吗?(2)这是范式困难吗?(3)这种模式让你生气了吗?

3所示。结果

图3显示目标的大平均erp闪光被100 ms基线校正后prestimulus学科之间间隔1 - 10 16电极网站(21]。这两个模式有类似VPP组件在额叶和中部地区。然而,一些差异被发现在N200灯和P300在顶叶和枕网站。STF-P相对更高的高峰值比. N200灯和P300在顶叶和枕网站。我们探讨了VPP的差异,N200) P300, N400 STF-P和.之间;为了这个目的,我们选择了VPP Cz, P8 N200灯,Pz P300,和Cz N400;这些电极位置通常包含最大对应的ERP成分(7,12,22,23),因此是最好的例子。图4显示了VPP的平均振幅在Cz, N200 P8, Pz P300, N400在Cz为每个主体和第一和第三的N400振幅在Cz从两个范例8]。从每个ERP平均振幅平均峰值点±20毫秒。N200振幅在P8 STF-P明显大于. (= 2.49,< 0.05,df = 9,图4 (b))。此外,没有发现显著差异之间的两个范例在VPP和P300 (= 0.35,VPP > 0.05, df = 9,= 1.45,P300, df = 9,数字4(一)和4 (c))。同时,P300的价值小于的P300在其他研究报告(19,24]。虽然N400在Cz STF-P .(价格相比没有显著差异=−0.65,df = 9;图4 (d)),从STF-P N400的稳定性(=−1.70,> 0.05,df = 9;图4 (f).)比(=−2.69,< 0.05,df = 9;图4 (e))。图5显示了绝对erp的平方值从0 - 1000这两个范例女士从受试者平均1 - 10 16个电极。erp的平方值反映了时间信号的能量。的定义如下: 在哪里和类的功能是“1”和“2”分别和和样品的数量。

图6显示了分类精度和原始的基于离线数据比特率(8]。得到的值从15倍交叉验证。STF-P的分类精度和比特率优于.当1 - 16试验被用于平均的数量。

图7显示的贡献N200灯(女士在150年和300年之间),P300女士(300年至450年),和N400(450年至700年间ms) BCI性能(8]。这两个图表表明,N200灯和P300成分分类精度至关重要。此外,N400成分也导致分类精度。

表2展示了在线分类精度、比特率和平均数量为每个主题的试验。STF-P的分类准确性和比特率明显高于. (= 2.89,分类精度< 0.05,df = 9,= 4.03,比特率,df = 9)。此外,试验的数量平均STF-P显著低于. (=−2.33,< 0.05,df = 9)。

表3介绍了反应的受试者为每个模式的三个问题。我们进一步研究了两个模式之间的差异。为此,我们选择了Wilcoxon符号秩检验方法由于事实数据满足不确定分布。没有发现显著差异的两个范例之间的疲劳程度(),难度系数()和烦恼度()。

4所示。讨论

本研究旨在调查之间的差异是否会被发现STF-P的主题可以看到目标字符时的刺激,.在目标人物是刺激在藏期间。结果表明,STF-P可能引起更大的N200组件,提高分类精度和比特率的BCI系统相比,.。

埃里克森侧卫任务(25)是一种常用的实验设计来获得N200灯,是一种范式(不匹配21]。在目前的研究中,比. STF-P引起较大的N200组件。一方面,半透明的面孔刺激可能会导致高的不匹配,从而导致大量N200灯。另一方面,可以利用的心理显著刺激引起高ERP组件不局限于P300成分(9]。

P300振幅两个模式之间的差异在本文中还不清楚,没有发现显著差异。这种现象可能是由于低光度对比时,背景是黑色的(110年脸上集的灰度值,而背景是255)。然而,低亮度对比导致低视觉疲劳。李等人。26)研究各种光度对比BCI性能的影响,发现低亮度对比产生小幅度平均P300。高亮度对比可能导致明亮,明显不刺激;因此,主题很容易集中注意力和有效地识别目标人物。因此,低亮度可能导致或注意力部署对象。这一发现可能对临床应用有重要意义。

可以减少重复N400的振幅的影响,尤其是对长期离线数据记录(8]。在STF-P,因为目标不同,刺激时也不同主题将注意力转移从一个目标到另一个地方。自第一和第三之间的显著差异的N400离线运行发现.虽然不是STF-P(见图4 (e)和4 (f)),这表明STF-P .相比包含更少的重复效应。

分类精度和ITR BCI性能的重要指标。在先前的研究中,面对范式也有很好的表现在精度(平均精度高于90%)(8]。因此,即使1%的增量精度是一个很好的进步。在这项研究中,平均分类精度和STF-P的比特率是95.0%,42.6 /分钟,而那些的. 91.9%,38.0 /分钟,和3.1%,4.6 /分钟,高于.。图4 (b)表明,在P8 N200 STF-P显著高于.。图7表明,N200可能导致分类精度。考夫曼et al。27报道,N200灯的潜力可以提高分类精度。金等。8证明其他组件可以导致分类精度的情况下小P300振幅。表2表明STF-P的分类精度和信息传输速率明显高于. ()。在所有,STF-P可以获得.相比性能优越。

本研究研究了两个范例(半透明和最大),较少关注不同的透明度基于透明的状态。然而,这项研究提供了一个新想法的研究面临的刺激和强烈表明,其他不同的组件可以贡献BCI性能。

5。结论

在这项研究中,我们测量的性能STF-P BCI .。结果表明,STF-P优于.。在未来的研究中,我们将进一步验证性能STF-P模式的病人。

的利益冲突

作者宣称没有利益冲突。

确认

这部分工作是支持由中国国家自然科学基金会的资助,资助下号。61573142,61203127,91420302,61305028。这项工作也是基础研究基金支持的中央大学(WG1414005、WH1314023和WH1516018)。