基于混合范式的脑-机接口异步控制方法研究

摘要：

自动判别使用者是否处于操作状态的异步控制问题,是脑-机接口(BCI)领域的研究热点之一.由于BCI范式主要针对区分思维指令来诱发脑电特征,导致在区分操作态上信息含量有限,难以获得较理想的异步识别结果.针对上述问题,研究一种结合事件相关电位(ERP)与稳态视觉诱发电位(SSVEP)的混合范式方法,以提升异步控制效果.采集10名被试3种状态下的19导联脑电信号,包括在正常使用BCI时的控制状态和被试目光不在BCI界面以及在睁眼静息状态下的2种空闲状态.通过提取不同状态下ERP的幅值特征与SSVEP的相关系数,区分不同的使用状态,进一步采用贝叶斯方法分别对ERP和SSVEP特征的控制态后验概率进行估计,然后将两者综合并采用阈值法对控制态和空闲态进行二分类识别.结果表明,所发展的混合范式方法在不同状态下两种特征差异同时存在,控制态下会产生更高的P300幅值与SSVEP相关系数,并且与空闲态下的特征之间存在统计学差异.对控制状态和空闲状态的总体平均识别正确率达到92.1％,AUC达到0.98.研究结果表明,混合范式方法在异步识别问题上有很好的潜力,值得进一步研究和发展.

关键词：脑-机接口(BCI)、混合范式BCI、异步识别策略、贝叶斯后验概率

所属期刊栏目：39

分类号：R318(医用一般科学)

资助基金：国家自然科学基金91648122

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：693-699