Aug, 2014

基于信息几何的即插即用 P300 脑机接口技术

PDF
TL;DR本文介绍了一种基于信息几何框架的事件相关电位（ERP）分类方法，通过对协方差矩阵的新估计来扩展已有的黎曼几何应用范围，该方法在性能、数据需求以及跨会话、主体泛化方面均有所提高，并以基于 P300 的脑控游戏 Brain Invaders 的数据进行佐证，同时介绍了一种基于在线和自适应实现的 BCI，可以不需要任何校准而保持高精度和适应性。
event related potentialsinformation geometryriemannian geometryclassificationbci
发现论文，激发创造
  • 一种用于在卫星图像流中检测任务单次试验事件相关电位的分布式推理系统

    该研究介绍了一种适用于在卫星图像流中检测任务式单次事件相关电位的分布式推理系统，通过利用多个优化于特定任务的模型，确保在各种图像转换时间和目标出现时间下实现卓越性能，在两个范式中试验结果表明，该系统在目标检测中优于传统方法，并且在 AI 范式中引入边界框显著提高了目标识别效果。

    Nov, 2023

  • 基于对比学习的卷积神经网络在 ERP 脑机接口中的应用

    该论文提出了一种对 ERP 信号进行跨受试者识别的对比学习训练框架和 Inception 模块，以提取多尺度的时空特征，代表 ERP 信号的主体不变组成成分。该算法在 P300 数据集的单试验二值分类任务中取得了最佳的 AUC 性能，并与现有算法相比，在拼写解码任务中表现出显著的优化。

    Jul, 2024

  • LGL-BCI: 一种轻量级几何学学习框架，适用于基于运动想象的脑机接口

    这项研究介绍了 LGL-BCI 框架，采用几何深度学习方法处理脑电图并捕捉空间相关性，通过特征分解算法提出了一种减小 SPD 矩阵维度的解决方案，进而提高推理速度，该方法在实验中表现出优越的准确性和效率，显示了几何深度学习在 MI-BCI 应用中的潜力。

    Oct, 2023

  • 利用地球移动距离量化脑机接口中的空间域解释

    利用可解释 AI 技术，在空间领域生成特征相关性，以识别模型结果的重要通道，从而提高脑机接口的可靠性和稳健性。

    May, 2024

  • 物理相容和无监督的黎曼领域适应，用于异构脑电数据的机器学习

    应用电脑脑电波信号物理学的方法，通过字段插值将脑电通道映射到固定位置，实现源域适应，提高了脑机接口和潜在生物标志应用的分类性能。

    Mar, 2024

  • 基于相空间的几何神经网络用于 BCI 解码

    我们的研究旨在开发一个深度学习算法，它能在较少数量的电极上提供有效的结果，并通过使用 SPDNet 的增强协方差方法来分析其性能和计算影响以及结果的解释性。通过使用 Mother Of All BCI Benchmark（MOABB）框架在 5 折交叉验证上对方法进行评估，使用仅位于运动皮层上方的三个电极进行实验验证。结果表明，我们的 SPDNet 在 MI 解码方面明显优于所有当前最先进的深度学习架构。

    Mar, 2024

  • 开放科学中最大的基于 EEG 的 BCI 再现性研究：MOABB 基准测试

    本研究通过对开放式脑机接口（BCI）的广泛再现性分析，旨在评估现有解决方案并建立可比性强的开放和可复制的基准，以便有效地比较该领域内的不同方法。研究结果表明，在各种 BCI 范式中，利用空间协方差矩阵的 Riemannian 方法显示出卓越的性能，强调了数据量的重要性，以达到与深度学习技术具有竞争力的结果。该研究的意义在于为 BCI 研究建立了严格和透明的基准，提供了最佳方法的见解，并强调了推动该领域发展所需的再现性的重要性。

    Apr, 2024

  • 基于序列的最优臂识别及其在脑机接口中的应用

    采用先前任务学习得到的先验知识，我们提出了一种串联的前两名 Thompson 抽样算法 (Sequential Top-two Thompson Sampling, STTS)，将广义多臂老虎机中的最佳臂序列问题视为一系列任务。这种算法取得了实质性的实验性改进。

    May, 2023

  • 从校准到控制：观察脑机接口模型中的脑电特征转移

    通过基于肌肉想象的脑机接口数据集，我们观察到运动相关皮质电位的标定和控制任务之间存在较大差异，并且展示了一个基于标定数据训练的 CSP 机器学习模型，对脑机接口控制的驾驶数据进行了出人意料的准确预测。

    Mar, 2024

  • 增强 RSVP-BCI 解码的具体主题适配器暂态 - 光谱融合变压器

    通过提出一种时间 - 频谱融合变换器与个体适配器相结合的快速连续视觉呈现 (RSVP)- 基于脑机接口 (BCI) 技术，以减少依赖新被试数据的训练时间，提高解码性能。

    Jan, 2024