×

通过优化和机器学习提高P300拼写能力。 (英语) Zbl 1494.90056号

摘要:大脑-计算机接口(BCI)是一种系统,允许人们绕过周围神经系统(PNS)的自然神经肌肉和激素输出与环境进行交互。这些接口记录用户的大脑活动,并将其转换为外部设备的控制命令,从而为PNS提供额外的人工输出。在这个框架中,基于P300事件相关电位(ERP)的BCI被证明是特别成功和可靠的,该电位代表特定事件或刺激后大脑记录的电反应。通过分类算法确定脑电图特征中是否存在P300诱发电位。线性分类器,如逐步线性判别分析和支持向量机(SVM)是ERP分类中最常用的判别算法。由于EEG信号的信噪比较低,因此在对信号进行分类之前,需要执行多个刺激序列(也称为迭代),然后对其进行平均。然而,虽然增加迭代次数可以提高信噪比,但也会减慢过程。在早期的研究中,迭代次数是固定的(无停止环境),但最近文献中提出了几种早期停止策略,以在满足某个标准时动态中断刺激序列,从而提高通信速率。在这项工作中,我们探索如何通过优化和机器学习相结合来提高基于P300的BCI的分类性能。首先,我们提出了一种新的决策函数,其目的是在无停止和早停止环境中提高分类的准确性和信息传输率。然后,我们提出了一个新的SVM训练问题,旨在简化目标检测过程。我们的方法在几个公开可用的数据集上证明是有效的。

MSC公司:

90立方厘米 混合整数编程
90 C90 数学规划的应用

软件:

LIBLINEAR银行
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Bnci horizon网站。http://bnci-horizon-2020.eu/database/data-sets
[2] Aricó,P.、Aloise,F.、Schettini,F.,Salinari,S.、Mattia,D.和Cincotti,F.(2014)。P300延迟抖动对基于事件相关电位的脑-计算机接口性能的影响。神经工程杂志,11(3),
[3] Bianchi,L.,《2018年npxlab套件:一套免费的功能丰富的神经电信号分析工具》,《WSEAS系统与控制学报》,13,3,145-152(2018)
[4] Bianchi,L.(2020)。一款由思维驱动的视频游戏:玩游戏需要运动吗?摘自:智能系统和计算进展,2020年,FICC,第40-50页
[5] Bianchi,L。;Liti,C。;Piccialli,V.,p300拼写者的一种新的早期停止方法,IEEE神经系统与康复工程学报,27,8,1635-1643(2019)·doi:10.1109/TNSRE.2019.2924080
[6] Bockbrader,M.A.、Francisco,G.、Lee,R.、Olson,J.、Solinsky,R.和Boninger,M.L.:康复医学中的脑-计算机接口。PM&R 10(9S2),S233-S243(2018)。doi:10.1016/j.pmrj..2018.05.028。
[7] 华盛顿州Chaovalitwingse;普罗科皮耶夫,OA;Pardalos,PM,《脑电图(eeg)时间序列分类:在癫痫中的应用》,《手术研究年鉴》,148,1,227-250(2006)·Zbl 1104.92037号 ·doi:10.1007/s10479-006-0076-x
[8] 帆布带,NR;Smith,H.,应用回归分析(1998),纽约:威利,纽约·Zbl 0895.62073号 ·doi:10.1002/9781118625590
[9] 风机,RE;Chang,千瓦;谢长杰;王,XR;Lin,CJ,Liblinear:大型线性分类库,《机器学习研究杂志》,91871-1874(2008)·Zbl 1225.68175号
[10] 洛杉矶Farwell;Donchin,E.,《从头说起:走向利用事件相关脑电位、脑电图和临床神经生理学的心理假体》,70,6,510-523(1988)·doi:10.1016/0013-4694(88)90149-6
[11] Friedman,J.、Hastie,T.和Tibshirani,R.(2001)《统计学习的要素》,第1卷。纽约统计的斯普林格系列·Zbl 0973.62007号
[12] 顾,Z。;陈,Z。;张杰。;张,X。;Yu,ZL,P300脑机接口拼写器的在线交互范例,IEEE神经系统与康复工程学报,27,2,152-161(2019)·doi:10.1109/TNSRE.2019.2892967
[13] Höhne,J.、Schreuder,M.、Blankertz,B.和Tangermann,M.:具有预测文本系统的二维听觉P300拼写器。摘自:2010年IEEE医学和生物学工程国际年会,第4185-4188页(2010年)。doi:10.1109/IEMBS.2010.5627379
[14] Hsieh,C.J.、Chang,K.W.、Lin,C.J、Keerthi,S.S.和Sundararajan,S.(2008)大型线性支持向量机的双坐标下降方法。摘自:第25届机器学习国际会议记录,第408-415页
[15] Huang,Y.,He,F.,Xu,M.,&Qi,H.(2020年)。执行其他任务时操作P300拼写器。《神经工程杂志》,doi:10.1088/1741-252/abb4a6。
[16] 姜杰。;尹,E。;王,C。;徐,M。;Ming,D.,将动态停止策略纳入基于高速SSVEP的BCI,神经工程杂志,15,4,046025(2018)·doi:10.1088/1741-2552/aac605
[17] Jin,J。;埃里森,BZ;卖方,EW;布伦纳,C。;Horki,P。;王,X。;Neuper,C.,基于P300的自适应控制系统,神经工程杂志,8,3,036006(2011)·doi:10.1088/1741-2560/8/03/036006
[18] Kha,V.A.、Nguyen,D.N.、Kha,H.H.和Dutkiewicz,E.(2017年)。使用eSVM分数分析对事件相关潜在脑-计算机接口进行动态停止。2017年第11届国际医学信息与通信技术研讨会(ISMICT),第82-85页。
[19] Khojandi,A。;夏罗,O。;Zokaeinikoo,M.,《脑电图自动分类:智能连接睡眠干预的途径》,《运筹学年鉴》,276,1,169-190(2019)·Zbl 1431.90171号 ·doi:10.1007/s10479-018-2823-1
[20] Krusienski,DJ;卖方,EW;Cabestaing,F。;Bayoudh,S。;DJ麦克法兰;沃恩,TM;Wolpaw,JR,P300拼写器分类技术的比较,神经工程杂志,3,4,299(2006)·doi:10.1088/1741-2560/3/4/007
[21] Krusienski,DJ;卖方,EW;DJ麦克法兰;沃恩,TM;Wolpaw,JR,《迈向增强p300拼写能力》,《神经科学方法杂志》,167,1,15-21(2008)·doi:10.1016/j.jneumeth.2007.07.017
[22] Ledesma-Ramirez,C.、Bojorges-Valdez,E.、Yáñez-Suarez,O.、Saavedra,C.、BOUGRINE,L.和Gentiletti,G.G.(2010年)。开放存取p300拼写数据库
[23] Lenhardt,A。;卡珀,M。;Ritter,H.,基于P300的自适应在线大脑计算机接口,IEEE神经系统与康复工程学报,16,2,121-130(2008)·doi:10.1109/TNSRE.2007.912816
[24] 刘,T。;Goldberg,L.公司。;高,S。;Hong,B.,使用非闪烁视觉诱发电位的在线脑-计算机接口,《神经工程杂志》,7,3,036003(2010)·doi:10.1088/1741-2560/7/3/036003
[25] Lotte,F.:脑-计算机接口中用于心智状态识别的脑电图信号处理技术教程。摘自:《脑-计算机音乐接口指南》,第133-161页。斯普林格(2014)
[26] Lotte,F.、Bougrain,L.、Cichocki,A.、Clerc,M.、Congedo,M.和Rakotomamonjy,A.等人(2018年)。基于EEG的脑-机接口分类算法综述:10年更新。神经工程杂志,15(3),
[27] Lugo,Z.R.、Quitadamo,L.R.、Bianchi,L.、Pellas,F.、Veser,S.、Lesenfants,D.、Real,R.G.L.、Herbert,C.、Guger,C.、Kotchoubey,B.、Mattia,D.、Kbler,A.、Laureys,S.和Noirhomme,Q.(2016)。非交流患者的认知加工:事件相关电位能告诉我们什么?人类神经科学前沿10569。doi:10.3389/fnhum.2016.00569。
[28] 缅因萨,BO;科尔维尔,KA;柯林斯,LM;Throckmorton,CS,《利用语言模型改进P300拼写器的在线动态数据收集》,IEEE神经系统与康复工程学报,22,4,837-846(2014)·doi:10.1109/TNSRE.2014.2321290
[29] McCane,L.M.,Heckman,S.M.,McFarland,D.J.,Townsend,G.,Mak,J.N.,Sellers,E.W.,Zeitlin,D.,Tenteromano,L.M..,Wolpow,J.R.,Vaughan,T.M.(2015)。基于P300的脑机接口(bci)事件相关电位(erps):肌萎缩侧索硬化症(als)患者与年龄匹配的对照组。临床神经生理学126(11),2124-2131
[30] 马勒·普茨,GR;Pfurtscheller,G.,利用基于SSVEP的BCI控制电子假体,IEEE生物医学工程学报,55,1,361-364(2008)·doi:10.1109/TBME.2007.897815
[31] Piccialli,V.,Sciandone,M.:非线性优化和支持向量机。4OR 16(2),111-149(2018)·Zbl 1398.65126号
[32] 波利·R。;Valeriani,D。;Cinel,C.,《协助决策的协同脑机接口》,《公共科学图书馆·综合》,9,7,e102693(2014)·doi:10.1371/journal.pone.0102693
[33] 基塔达莫,LR;马西亚尼,MG;卡达里利,GC;Bianchi,L.,通过独特模型描述不同的脑-机接口系统:UML实现,神经信息学,6,2,81-96(2008)·doi:10.1007/s12021-008-9015-0
[34] 里奇奥,A。;Simione,L。;谢蒂尼,F。;皮齐门蒂,A。;Inghilleri,M。;Olivetti Belardinelli,M。;马蒂亚·D·。;Cincotti,F.,肌萎缩侧索硬化症患者的注意力和基于P300的BCI表现,人类神经科学前沿,7732(2013)·doi:10.3389/fnhum.2013.00732
[35] 谢夫,S。;特雷德,理学硕士;文丘尔,B。;Blankertz,B.,探索用于凝视无关交流的运动向量,神经工程杂志,9,4,045006(2012)·doi:10.1088/1741-2560/9/4/045006
[36] 施勒德,M。;Höhne,J。;布兰克茨,B。;Haufe,S。;Dickhaus,T。;Tangermann,M.,《优化基于事件相关电位的脑-计算机接口:动态停止方法的系统评估》,《神经工程杂志》,10,3,036025(2013)·doi:10.1088/1741-2560/10/3/036025
[37] Schreuder先生。;罗斯特,T。;Tangermann,M.,听着,你在写作!使用动态听觉BCI加速在线拼写,《神经科学前沿》,5112(2011)·doi:10.3389/fnins.2011.00112
[38] 卖方,EW;Krusienski,DJ;DJ麦克法兰;沃恩,TM;Wolpaw,JR,P300事件相关潜在脑-计算机接口(BCI):矩阵大小和交互刺激间隔对性能的影响,《生物心理学》,73,3,242-252(2006)·doi:10.1016/j.biochetic.2006.04.007
[39] 卖方,EW;Kubler,A。;Donchin,E.,南佛罗里达大学认知心理生理学实验室的大脑-计算机接口研究:P300 Speller,IEEE神经系统与康复工程学报,14,2,221-224(2006)·doi:10.1109/TNSRE.2006.875580
[40] 沙赫里亚里,Y。;沃恩,TM;McCane,L。;埃里森,BZ;伍尔帕,JR;Krusienski,DJ,利用纵向脑电图数据探索肌萎缩侧索硬化症患者的脑机接口表现变化,神经工程杂志,16,5,056031(2019)·doi:10.1088/1741-2552/ab22ea
[41] 南苏丹。;Sinha,V.,《事件相关潜力:综述》,《工业精神病学杂志》,第18、1、70页(2009年)·doi:10.4103/0972-6748.57865
[42] 瑟克莫顿,CS;科尔维尔,KA;DB Ryan;卖方,EW;Collins,LM,动态控制P300拼写者数据收集的贝叶斯方法,IEEE神经系统与康复工程汇刊,21,3,508-517(2013)·doi:10.1109/TNSRE.2013.2253125
[43] 特雷德,理学硕士;Blankertz,B.,(c)基于erp的脑-计算机界面中的显性注意力和视觉拼写设计,行为和脑功能,6,1,28(2010)·doi:10.1186/1744-9081-6-28
[44] 特雷德,理学硕士;施密特,NM;Blankertz,B.,《基于隐性注意和特征注意的非注视型脑-计算机接口》,《神经工程杂志》,2011年第8期,第6期,第6003页·doi:10.1088/1741-2560/8/6/066003
[45] Valeriani博士。;Poli,R.,Cyborg小组增强拥挤环境中的人脸识别,《公共科学图书馆·综合》,14,3,e0212935(2019)·doi:10.1371/journal.pone.0212935
[46] Vo,K.、Nguyen,D.N.、Kha,H.H.和Dutkiewicz,E.(2017年)。使用集成分类器、动态停止和自适应学习的受试者相关P300 BCI。摘自:GLOBECOM 2017-2017 IEEE全球通信会议,第1-7页
[47] Vo,K。;Pham,T。;Nguyen,DN;Kha,HH;Dutkiewicz,E.,基于受试者相关ERP的脑-计算机接口,IEEE神经系统与康复工程学报,26,4,719-728(2018)·doi:10.1109/tnsre.2018.2810332
[48] Wolpaw,J。;Wolpaw,EW,《大脑-计算机接口:原理与实践》(Brain-computer interfaces:Principles and practice)(2012年),纽约:牛津大学出版社,纽约·doi:10.1093/acprof:oso/9780195388855.001
[49] 伍尔帕,JR;拉莫瑟,H。;DJ麦克法兰;Pfurtscheller,G.,《基于EEG的通信:通过响应验证提高准确性》,IEEE《康复工程学报》,6,3,326-333(1998)·doi:10.1109/86.712231
[50] 张,H。;关,C。;Wang,C.,《基于异步P300的脑机接口:使用统计模型的计算方法》,IEEE生物医学工程学报,55,6,1754-1763(2008)·doi:10.1010/待定.2008.919128
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。