局部脑网络特征融合SSVEP-BCI

这是一种基于稳态视觉诱发电位的脑机接口系统，通过融合局部脑网络特征提升分类性能，有望用于神经康复工程。

Ma, Pengfei · Dong, Chaoyi · Lin, Ruijing · Ma, Shuang · Liu, Huanzi · Dongyang, Lei · Chen, Xiaoyan

IRBM 2023

参数信息

分类准确率

94.52 %

信息传输速率

49.23 bits/min

技术优势

分类更准

融合局部网络特征后，分类准确率比传统CCA提高5.57%，表明网络特征包含了单通道特征所缺失的判别信息。

传输更快

信息传输速率达到49.23 bits/min，比传统CCA高8.01 bits/min，意味着单位时间内可以输出更多指令，提升交互效率。

方法稳健

无论使用SVM还是随机森林，融合局部网络特征均能提升性能，说明该方法不依赖于特定分类器，具有普适性。

应用场景

• 脑机接口临床应用：提高指令传输速率，使患者更快输出意图。
• 神经康复设备：准确识别运动意图，辅助康复训练。
• 稳态视觉诱发电位研究：为SSVEP解码提供融合网络特征的新方法。