P300 негизиндеги мээ–компьютер интерфейси (Brain–Computer Interface, BCI) — колдонуучунун визуалдык буталарга берген окуяга байланышкан EEG жоопторун классификациялоо аркылуу компьютердик системага буйрук өткөрүүнү көздөгөн адам–машина өз ара аракеттенүү ыкмасы. Бул изилдөө салттуу сегиз каналдуу P300-BCI системасында электроддордун санын азайтуу менен бирге классификациянын натыйжалуулугун жана колдонуучу тажрыйбасын канчалык деңгээлде сактоого болорун изилдеген. Изилдөөчүлөр Genetic Algorithm (GA) менен Bayesian Linear Discriminant Analysis (BLDA) ыкмасын бирге колдонуп, F3, F4, C3, C4, P3, P4, O1 жана O2 каналдарынын ичинен туруктуу үч каналдуу түзүлүштү тандап, бардык 48 катышуучу үчүн колдонулуучу акыркы комбинацияны C3, C4 жана P4 деп аныкташкан.

Изилдөөгө 18-26 жаштагы 48 дени сак ыктыярчы катышкан; 12 катышуучу аял, 36 катышуучу эркек болгон. Катышуучулардын көрүүсү нормалдуу же коррекцияланган нормалдуу экени, неврологиялык же психиатриялык оорулардын тарыхы жок экени жана мурда EEG эксперименттерине катышпаганы билдирилген. EEG маалыматтары 250 Hz үлгүлөө жыштыгында сегиз нымдуу электрод менен жазылган; контакттык импеданс бардык каналдарда 10 kΩ'дон төмөндөтүлгөн.

GA-BLDA канал тандоосунда ар бир катышуучунун маалыматы адегенде өзүнчө иштетилген. GA ичиндеги ар бир талапкер канал комбинациясы сегиз биттик бинардык вектор менен көрсөтүлүп, тандалган каналдар менен үйрөтүлгөн BLDA классификаторунун 10 бүктөмдүү кросс-валидация тактыгы эсептелген жана ашыкча канал колдонуу fitness функциясында жазаланган. Андан кийин 48 адамда табылган оптималдуу комбинациялар бириктирилип, каналдардын тандалуу жыштыктары эсептелген жана эң көп кездешкен үч канал C3, C4 жана P4 катары бекитилген.

Үч каналдуу түзүлүш offline эксперименттин акыркы, башкача айтканда 10. стимулдаштыруу раундунда орточо %86,67 тактыкка жетсе, сегиз каналдуу система %91,88 тактык берген. Бул баскычта айырма болжол менен 5,2 пайыздык пунктту түзөт жана 7-10. раунддарда сегиз каналдын пайдасына статистикалык жактан маанилүү айырма билдирилген. Ошол эле 10. раундда маалымат берүү ылдамдыгы үч каналда 22,47 bit/dk, сегиз каналда 24,60 bit/dk болгон.

Online валидацияда үч каналдуу системанын орточо тактыгы %90,21 ± 5,36, сегиз каналдуу системаныкы %92,40 ± 5,55 деп табылган. Булак online тактыктагы айырма статистикалык маанилүүлүккө жетпегенин билдирет. Орточо online маалымат берүү ылдамдыгы болсо үч каналда 23,66 ± 4,02 bit/dk жана сегиз каналда 27,52 ± 3,76 bit/dk болгон.

Электроддордун санын сегизден үчкө чейин азайтуу классификация системасынын физикалык татаалдыгын гана азайтпастан, колдонуучуну даярдоо убактысын да 30 мүнөттөн 3 мүнөткө чейин кыскарткан. Булак бул өзгөрүүнү даярдоо убактысынын %90 азайышы катары билдирет. Эксперименттен кийинки тазалоо убактысы да %80 азайган. NASA-TLX баалоосунда үч каналдуу түзүлүш mental demand, physical demand жана булакта “performance” деп аталган өлчөм боюнча төмөнүрөөк баллдарды көрсөткөн.

Бул натыйжалар үч электрод бардык шартта сегиз электрод менен толугу менен бирдей маалымат ташыйт дегенди билдирбейт. Offline 7-10. раунддарда сегиз каналдуу система статистикалык жактан маанилүү натыйжалуулук артыкчылыгын көрсөткөн. Мындан тышкары, изилдөө дени сак жаш чоң кишилерде, көзөмөлдөнгөн виртуалдык реалдуулук чөйрөсүндө жана нымдуу электроддор менен гана жүргүзүлгөн. Клиникалык бейтаптарда, улгайган калкта, кургак электроддордо, кыймыл көп жана айлана-чөйрөлүк ызы-чуу бар чыныгы турмуш шарттарында ошол эле натыйжалуулук сакталары бул изилдөө менен көрсөтүлгөн эмес.

Мээ–компьютер интерфейси деген эмне?

Мээ–компьютер интерфейси — мээнин активдүүлүгүнөн өлчөнгөн сигналдарды компьютер же тышкы түзмөк түшүнө ала турган буйруктарга айландырган адам–машина байланыш системасы. Бул изилдөөдө мээ сигналы электроэнцефалография (Electroencephalography, EEG) аркылуу баш терисинен өлчөнөт. Колдонуучу булчуң кыймылы менен баскычты басуунун ордуна виртуалдык чөйрөдө белгилүү бир визуалдык бутага көңүл бурат, ал эми система EEG жообунан кайсы бута тандалганын болжолдойт.

P300 эмнени билдирет?

P300 — бутага же сейрек кездешүүчү стимулга көңүл бурулганда EEG ичинде пайда болушу мүмкүн болгон окуяга байланышкан электрдик жооп компоненттеринин бири. Анын аталышы, адатта, стимулдан кийин жүздөгөн миллисекунддук убакыт масштабында байкалган оң потенциал компонентине негизделет. Бул изилдөө бир гана тар убакыт чекитин колдонбостон, стимул башталгандан кийинки 0-600 ms аралыгындагы EEG маалыматын классификациялоо үчүн иштеткен.

P300 негизиндеги BCIнин негизги логикасы мындай: экрандагы көптөгөн варианттар кезеги менен жаркылдайт; колдонуучу бута болгон вариантка гана көңүл бурат; бута жана бута эмес стимулдар EEGде бирдей статистикалык жооп жаратпайт. Классификатор бул айырманы үйрөнүп, колдонуучу кайсы вариантты тандоого аракет кылып жатканын болжолдойт.

Эмне үчүн EEG каналдарынын саны азыраак болушу керек?

Көп каналдуу EEG системасы кеңири мейкиндиктик маалымат топтой алат; бирок ар бир жаңы электрод калпакты даярдоо, өткөргүч гель колдонуу, импедансты текшерүү, кабелдөө жана эксперименттен кийинки тазалоо иштерин көбөйтөт. Ошондуктан каналдардын санын азайтуу эсептөө жүгүн гана эмес, чыныгы колдонуучуга түшкөн физикалык даярдык процессин да азайта алат.

Мунун ордуна маанилүү тобокелдик пайда болот: каналдардын саны азайган сайын баш терисинин кичирээк бөлүгү үлгүлөнүп, айрым сигналдык маалыматтарды жоготуу ыктымалдыгы жогорулайт. Ошондуктан негизги суроо “мүмкүн болушунча эң аз электродду колдонуу” эмес. Илимий маселе — натыйжалуулуктун жоготуусун кабыл алууга боло турган деңгээлде кармап туруп, электроддордун санын канчалык азайтууга болорун табуу.

EEG электроддору кайсы жерлерге жайгаштырылган?

Баштапкы система эл аралык 10-20 электрод жайгаштыруу стандарты боюнча сегиз канал колдонгон:

C3 жана C4 борбордук аймактын, ал эми P4 париеталдык аймактын белгилери. Изилдөөнүн канал тандоо алгоритми бул үч каналды бардык 48 катышуучунун offline тандоо натыйжаларынын жалпы жыштык рейтингинен чыгарган.

EEG сигналы кантип жазылган?

Изилдөөдө South China Brain Control Technology Co., Ltd. тарабынан иштелип чыккан тагылуучу EEG калпагы колдонулган. Система компьютерге Bluetooth 4.2 аркылуу туташтырылып, сегиз канал реалдуу убакытта жазылган.

Үлгүлөө жыштыгы:

\[ f_s=250\ \mathrm{Hz} \]

болгондуктан, система ар бир канал үчүн секундасына 250 үлгү жазат. Нымдуу электроддордун контакттык аймагына өткөргүч паста колдонулуп, контакттык импеданс:

\[ Z<10\ \mathrm{k\Omega} \]

болгондой даярдалган. Төмөн жана көзөмөлдөнгөн электрод–тери импедансы EEG сыяктуу микровольт масштабындагы биопотенциалдык сигналдарды туруктуураак жазуу үчүн маанилүү.

EEG сегменти кантип алдын ала иштетилген?

Ар бир өзүнчө визуалдык flash үчүн стимулдун башталышы \(t=0\) деп кабыл алынып:

\[ [-200,\ 600]\ \mathrm{ms} \]

аралыгындагы EEG сегменти алынган.

Алдын ала иштетүү тизмеги төмөнкү тартипте:

1. −200 менен 0 ms аралыгындагы стимулга чейинки бөлүктүн орточо амплитудасы эсептелет.
2. Бул орточо маани толук −200 менен 600 ms сегментинен алынып, baseline correction жүргүзүлөт.
3. Төртүнчү тартиптеги IIR band-pass фильтр менен 0,1-25 Hz тилкеси сакталат.
4. 50 Hz электр тармагынын тоскоолдугун азайтуу үчүн notch фильтр колдонулат.
5. Фильтрленген сигнал 5 эсе downsample кылынат.

250 Hz баштапкы үлгүлөө жыштыгын 5 эсе downsample кылуу иштетилген маалымат катарындагы натыйжалуу үлгүлөө тыгыздыгын бештен бирге азайтат. Булак муну өзгөчө маалымат көлөмүн жана кийинки эсептөө жүгүн азайтуу максатында колдонгон.

Baseline correction эмне үчүн жүргүзүлөт?

EEG сегментинин абсолюттук чыңалуу деңгээли P300 жообунан көз карандысыз жай жылыштарды же сегменттер аралык баштапкы айырмаларды камтышы мүмкүн. Baseline correction стимулга чейинки −200-0 ms аралыгынын орточо маанисин референс катары кабыл алып, бүт сегментти ушул референске карата кайра борборлоштурат.

Түшүндүрмө түрүндө операцияны:

\[ x_{\mathrm{corr}}(t) = x(t) - \overline{x}_{[-200,0]} \]

деп кароого болот. Бул математикалык көрсөтүү булакта номерленген өзүнчө теңдеме эмес; булакта текст менен сүрөттөлгөн baseline алып салуу операциясынын түшүндүрмө көрсөтүлүшү.

Белгилер кантип чыгарылган?

Фильтрлөө жана downsamplingден кийин стимулдан кийинки 0-600 ms бөлүк талдоо терезеси катары колдонулган. Булак бул аралык баштапкы 250 Hz үлгүлөөдө 150 үлгү, ал эми 5 эсе downsamplingден кийин 30 үлгү камтыганын билдирет.

0-600 ms терезе төрт тең субтерезеге бөлүнгөн:

0-150 ms, 150-300 ms, 300-450 ms жана 450-600 ms.

Ар бир субтерезеде эки убакыт-домен белгиси эсептелген:

• орточо EEG амплитудасы,
• EEG амплитудасынын дисперсиясы.

Тандалган бардык каналдардын бул белгилери бириктирилип, бир стимулдаштыруу раундунун белги вектору түзүлгөн.

Андан кийин ошол эле бута үчүн жасалган 10 стимулдаштыруу раундунун белги векторлору үстү-үстүнө коюлуп, орточолонгон. Максат — спонтандык EEG фондук ызы-чуусун азайтуу жана бутага байланышкан кайталануучу P300 маалыматын күчөтүү.

Бул averaging ыкмасынын табигый баасы бар: стимулдаштыруу раунддары көбөйгөн сайын классификация тактыгы жогорулашы мүмкүн, бирок буйрукту берүү үчүн талап кылынган убакыт да узарат. Изилдөөдө Accuracy жогорулаганда ITRдин раунддардын саны менен төмөндөшүнүн негизги математикалык себеби да ушул.

10 бүктөмдүү кросс-валидация эмне кылат?

10-fold cross-validation маалымат топтомун он бөлүккө бөлүп, моделдин ошол эле маалыматка жөн гана жаттап ылайыкташуусуна жол бербөөгө багытталган баалоо түзүлүшү. Булак маалымат бөлүүнү trial деңгээлинде жасап, ар бир итерацияда болжол менен %90 маалыматты окутууга, %10 маалыматты тестке колдонгон.

Он бөлүктүн ар бири кезеги менен тест бөлүгү болот. Ошентип, натыйжалуулук бир гана кокустук окутуу-тест бөлүнүшүнө көз каранды болбойт.

Канал тандоодогу fitness тактыгы да BLDAнын ушул 10 бүктөмдүү кросс-валидация натыйжалуулугуна негизделет.

GA-BLDA канал тандоосу кантип иштейт?

GA-BLDA алкагында Genetic Algorithm сегиз EEG каналынан мүмкүн болгон субтоптомдорду глобалдык түрдө издеген тандоо механизми, ал эми BLDA ар бир талапкер канал топтомунун классификация тактыгын баалаган fitness классификатору; GA ар бир адам боюнча тапкан оптималдуу субтоптомдор кийин 48 катышуучу боюнча жыштыкка айландырылып, туруктуу C3-C4-P4 түзүлүшүнө которулган.

Канал комбинациясы генетикалык алгоритмде кантип коддолот?

Ар бир талапкер чечим сегиз элементтүү бинардык вектор:

\[ \mathbf{x}_i= [x_{i1},x_{i2},\ldots,x_{i8}] \]

Бул жерде:

\[ x_{ij}= \begin{cases} 1,& j.\ kanal\ seçilmişse\\ 0,& j.\ kanal\ seçilmemişse \end{cases} \]

Мисалы, бир индивид C3, C4 жана P4тү гана көрсөткөн үч позицияда 1 маанисин алып жүрүшү мүмкүн. Булак баштапкы популяцияны кокустук түрдө түзөт; ошентип, башында белгилүү бир электрод тандалат деген адамга өзгөчө алдын ала божомол колдонулбайт.

Эмне үчүн fitness функциясы тактык менен гана чектелбейт?

Классификация тактыгын гана максималдаштырган алгоритм көбүрөөк канал колдонууну артык көрүшү мүмкүн. Изилдөөнүн максаты жогорку тактыкка да, каналдардын аз санына да жетишүү болгондуктан, булак төмөнкү бир максаттуу салмакталган fitness функциясын колдонгон:

\[ f(\mathbf{x}) = Acc(\mathbf{x}) - \lambda \frac{\|\mathbf{x}\|_1}{N} \tag{4} \]

Бул жерде:

• \(f(\mathbf{x})\): талапкер канал комбинациясынын fitness баллы,
• \(Acc(\mathbf{x})\): BLDA жана 10-fold cross-validation менен эсептелген классификация тактыгы,
• \(\lambda\): каналдардын санына колдонулуучу жазанын күчүн көзөмөлдөгөн салмак коэффициенти,
• \(\|\mathbf{x}\|_1\): тандалган каналдардын саны,
• \(N=8\): талапкер каналдардын жалпы саны.

\(\|\mathbf{x}\|_1/N\) — тандалган каналдардын үлүшү. Көбүрөөк канал колдонулган сайын бул мүчө чоңоёт жана fitness баллынан чоңураак жаза алынып салынат.

Мисалы, тактыгы бирдей эки чечимдин ичинен үч канал колдонгон чечим сегиз канал колдонгон чечимге караганда кичине канал-жаза мүчөсүнө ээ болот. Ошентип, алгоритм жөн гана “эң так” чечимди эмес, тактыкты сактап туруп, сейрек электроддук түзүлүштү камсыз кылган комбинацияны издейт.

Кайра өндүрүү мүмкүнчүлүгү боюнча эскертүү: Булак \(\lambda\) эмнени көзөмөлдөй турганын түшүндүрөт, бирок колдонулган сандык \(\lambda\) маанисин билдирбейт. Ошондуктан fitness функциясын толук сандык түрдө кайра өндүрүү PDFдеги маалымат менен гана мүмкүн эмес.

Генетикалык операциялар кайсылар?

Булак үч негизги механизмди колдонот:

• Элитизм: ошол муундагы эң жогорку fitness маанисине ээ чечим өзгөртүлбөстөн жаңы популяцияга өткөрүлөт.
• Exchange/Crossover: башка индивиддердин канал биттеринин ортосунда бөлүктөр алмаштырылып, жаңы комбинациялар түзүлөт.
• Variation/Mutation: айрым биттер ыктымалдык негизде 0дөн 1ге же 1ден 0гө өзгөртүлүп, жаңы издөө чекиттери түзүлөт.

Элитизмдин милдети учурдагы эң жакшы чечимдин генетикалык операциялар учурунда жоголуп кетишине жол бербөө. Crossover учурдагы чечимдердин түзүмдөрүн кайра бириктирет. Mutation болсо популяцияда жаңы канал комбинацияларын түзүп, издөөнүн эрте жергиликтүү чечимге камалып калуу тобокелдигин азайтат.

GA качан токтойт?

Булак эки токтотуу шартын колдонот:

1. Учурдагы оптималдуу чечим белгиленген сандагы ырааттуу итерация бою өзгөрбөсө.
2. Максималдуу итерация санына жетсе.

Экинчи чек акыркы оптималдаштыруу жөндөөсүндө 10 итерация. Бирок биринчи шарттагы бирдей оптималдуу чечим канча ырааттуу итерация бою өзгөрбөшү керек экенин көрсөткөн \(T\) параметринин сандык мааниси PDFде берилген эмес.

GA параметрлери кантип тандалган?

Изилдөөчүлөр төрт GA параметрин түздөн-түз бир гана мааниден баштоонун ордуна ортогоналдык эксперимент дизайны менен сканерлешкен:

Төрт фактор жана беш деңгээлдүү \(L_{25}(5^4)\) ортогоналдык дизайн менен бардык теориялык комбинацияларды бирден сынап чыгуунун ордуна 25 параметр комбинациясы бааланган.

Эң жогорку үч каналдуу тактык Orthogonal Experiment 12 конфигурациясында %88,0 деп табылган. Кийинки талдоолордо колдонулган GA жөндөөлөрү:

Булак crossover үчүн өзүнчө ыктымалдык параметрин билдирбейт; Exchange операциясы аткарылганын көрсөтөт.

Кокустук кантип көзөмөлдөнгөн?

GAнын баштапкы популяциясы, cross-validation маалымат бөлүнүшү, crossover чекиттери жана mutation операциялары кокустукту камтыйт. Изилдөөчүлөр бул өзгөрмөлүүлүктү көзөмөлдөө үчүн Python чөйрөсүндө туруктуу global pseudorandom seed аныкташканын билдиришет.

Булак ушунун аркасында ошол эле offline маалымат жана параметрлер менен алгоритмдик жолду кайталоого болорун белгилейт.

Бирок PDFде seedдин сандык мааниси билдирилген эмес. Ошондуктан “fixed seed колдонулган” деген маалымат ыкманын логикасын түшүндүрөт, бирок макаланын тексти өз алдынча изилдөөчүгө ошол эле random stateти түзүүгө жетишсиз.

Каналдардын тандалуу жыштыгы кандай болгон?

Эмне үчүн эки же төрт эмес, үч канал тандалган?

Булак Orthogonal Experiment 12 параметрлеринде каналдардын санын көбөйтүү аркылуу орточо тактыкты салыштырган:

Бир каналдан үч каналга өткөндө тактык айкын жогорулайт. Үч каналдан кийин кошумча электроддор берген пайда азаят. Булак бул натыйжалуулук платосун электроддордун саны менен тактыктын ортосундагы эң ылайыктуу тең салмак чекити катары түшүндүрүп, акыркы аз каналдуу система үчүн үч каналды тандаган.

Бул система чындап эле “калибрлөөсүз” BCIби?

Жок; изилдөө жаңы колдонуучу үчүн GA негизиндеги канал издөөсүн жана канал комбинациясын кайра эсептөөнү жок кылат, бирок формалдуу online экспериментке чейин жеке адамга тиешелүү offline calibration маалыматтары менен BLDA классификатору үйрөтүлөт; демек, “zero-calibration-cost” деген сөз айкашы жалпы EEG классификаторун калибрлөөнүн эмес, колдонуучуга мүнөздүү канал тандоо алгоритминин чыгымын жоюу катары түшүнүлүшү керек.

Алдын ала эксперимент менен формалдуу эксперимент эмне үчүн бөлүнгөн?

Изилдөөдө бир эле маалыматты үч каналды табуу үчүн да, үч каналдын артыкчылыгын ырастоо үчүн да түздөн-түз бирдей колдонуу пайда кылышы мүмкүн болгон оптимисттик бурмалоону азайтуу максатында процесс убакыт боюнча бөлүнгөн.

Биринчи баскычта бардык 48 адамдын сегиз каналдуу offline маалыматы чогултулуп, C3-C4-P4 комбинациясын аныктоо үчүн GA-BLDA канал тандоосу колдонулган.

Эки жумадан кийин формалдуу салыштырма эксперимент башталган. Формалдуу offline calibration маалыматы бул жолу BLDA моделин үйрөтүү үчүн колдонулуп, андан кийин online башкаруу жүргүзүлгөн.

Ошондуктан туруктуу канал тизмеси алдын ала белгиленген болсо да, реалдуу убакыт классификатору колдонуучунун маалыматынан толугу менен көз карандысыз pretrained универсалдуу модель эмес.

AB/BA crossover дизайны кантип түзүлгөн?

48 адам кокустук түрдө эки тең топко бөлүнгөн:

Crossover дизайнында бир эле адам эки системаны тең колдонгондуктан, адамдар аралык EEG айырмачылыктарынын салыштырууга тийгизген таасирин азайтууга болот. Системалардын ортосундагы статистикалык салыштырууну paired-sample t-test менен жүргүзүүнүн логикасы да ошол эле катышуучунун эки шарттагы натыйжаларын жупташтырууда жатат.

Булак 48 сааттык тыныгууну чарчоо жана үйрөнүү/muscle-memory таасирлерин азайтуу үчүн washout катары колдонгон. Ошол эле учурда өзүнчө period effect, sequence effect же carryover-effect статистикалык модели билдирилген эмес.

VR P300 тапшырмасы кантип иштеген?

Unity3D 2022.3 LTS менен “бөлмөнүн функцияларын башкаруу” виртуалдык реалдуулук сахнасы даярдалган. Визуалдык интерфейс 1920 × 1080 чечилишиндеги, 60 Hz монитордо көрсөтүлгөн.

Сахнада көшөгө, телевизор, эшик жана жарык сыяктуу интерактивдүү объекттердин астында виртуалдык башкаруу баскычтары бар. Баскычтар үч абалды колдонот:

• демейки абалда кара,
• cue же recognition feedback учурунда 2 секунд кызыл,
• stimulation баскычында кара менен жашылдын ортосунда 0,1 секунддук flash өтүүлөрү.

Колдонуучудан бута баскычы жашыл болгондо үн чыгарбай саноо жана бута эмес баскычтар жаркылдап жатканда көз карашын туруктуу кармоо талап кылынган.

Offline calibration эксперименти кантип жүргүзүлгөн?

Ар бир катышуучу 20 trial бүтүргөн. Бир trial жалпы 20 секунд:

Ар бир стимулдаштыруу раунду 1,6 секунд. Сегиз баскычтын ар бири pseudo-random тартипте бир жолу flash кылат жана бир flash cycle 0,2 секунд: 0,1 секунд кара фон жана 0,1 секунд жашыл баса белгилөө.

Online эксперимент эмнеси менен айырмаланган?

Online валидациянын жалпы парадигмасы offline баскычка окшош, бирок бир бутаны таануу убактысы 16,8 секундга кыскартылып, стимулдаштыруунун саны 10 раунддан 8 раундга чейин азайтылган.

Сегиз раунд аяктагандан кийин алдын ала үйрөтүлгөн BLDA модели реалдуу убакыттагы EEG белгилеринен бутаны болжолдоп, болжолдонгон баскыч 2 секунд кызыл көрсөтүлгөн жана тиешелүү Unity буйругу аткарылган.

BLDAнын негизги математикалык модели

Булак BLDAны сызыктуу регрессия түрүндө төмөнкү байланыш менен аныктайт:

\[ Y=\boldsymbol{\omega}^{T}F_i+z \tag{1} \]

Бул жерде:

• \(Y\): регрессия бутасы,
• \(F_i\): \(i\). EEG белги вектору,
• \(\boldsymbol{\omega}\): белгилердин салмак вектору,
• \(z\): Gaussian бөлүштүрүлгөн ызы-чуу мүчөсү.

\(\boldsymbol{\omega}^{T}F_i\) — белгилердин салмакталган сызыктуу комбинациясы. Абсолюттук салмагы чоң белгилер болжолдоо натыйжасына күчтүүрөөк салым кошот.

Bayesian ыкмасынын негизги айырмасы \(\boldsymbol{\omega}\)ну бир гана туруктуу оптималдуу вектор катары кароонун ордуна, салмактардын белгисиздигин ыктымалдык бөлүштүрүүнүн ичинде баалоодо.

Булак жаңы \(F\) үлгүсүнүн predictive distribution функциясын:

\[ p(y\mid\beta,\alpha,F,S) = \int p(y\mid\beta,F,\boldsymbol{\omega}) p(\boldsymbol{\omega}\mid\beta,\alpha,S) \,d\boldsymbol{\omega} \tag{2} \]

түрүндө берет.

Интеграл ар түрдүү мүмкүн болгон салмак векторлорундагы болжолдорду алардын posterior салмактары менен бириктирет. Башкача айтканда, модель бир гана \(\boldsymbol{\omega}\) маанисине таянып чечим чыгаруунун ордуна салмактардын белгисиздигин маргиналдаштырат.

Булакка ылайык, \(\beta\) — ызы-чуу \(z\) үчүн inverse variance параметри; \(\alpha\) болсо салмактарга байланыштуу prior дисперсия параметри.

Нотация боюнча эскертүү: Булак тексти \(p(\boldsymbol{\omega}\mid\beta,\alpha,S)\) туюнтмасын “predicted value yнин posterior distribution'ы” деп түшүндүрөт; бирок математикалык туюнтмада бөлүштүрүүнүн өзгөрмөсү \(\boldsymbol{\omega}\). Verianla бул терминологиялык туюнтманы жаңы теңдеме менен үнсүз алмаштырбайт жана математикалык көрсөтүүнү булактагы түрүндө сактайт. Мындан тышкары, \(S\) символунун бул бөлүмдө өзүнчө жана ачык аныктамасы берилген эмес.

Болжолдоо бөлүштүрүүсүнө туура келген регрессиялык бута мааниси:

\[ u=\boldsymbol{\mu}^{T}F \tag{3} \]

менен эсептелет. Булакта \(\boldsymbol{\mu}\) posterior бөлүштүрүүнүн орточо маанисин билдирет.

Bayesian ыкмасы EEG үчүн эмне үчүн пайдалуу болушу мүмкүн?

EEG — адамдан адамга жана убакытка жараша өзгөрө алган, ызы-чуулуу биосигнал. BLDAнын салмактарга Bayesian ыкмасын колдонушу белги коэффициенттерин белгисиздик шартында жөнгө салып, өзгөчө өлчөмдүүлүгү жогору жана ызы-чуулуу EEG белгилеринде ашыкча ылайыкташуу тобокелдигин чектөөгө жардам берген классификация алкагын камсыздайт.

Бул изилдөө BLDAны жаңы ыкма катары иштеп чыкпайт. BLDA GA түзгөн канал талапкерлеринин натыйжалуулугун баалаган классификатор жана формалдуу экспериментте бутаны болжолдой турган decoder катары колдонулат.

Тактык кантип эсептелген?

Булак классификация тактыгын:

\[ Acc= \frac{TP+TN} {TP+TN+FP+FN} \tag{5} \]

деп аныктайт.

Бул жерде:

• \(TP\): true positive,
• \(TN\): true negative,
• \(FP\): false positive,
• \(FN\): false negative саны.

Алым туура чечимдерди, бөлүм бардык классификация чечимдерин билдирет. Натыйжа 0 менен 1дин ортосундагы үлүш же пайыз түрүндө билдирилиши мүмкүн.

Маалымат берүү ылдамдыгы кантип эсептелген?

BCIде тактыктын өзү гана жетиштүү эмес. Эгер система туура буйрукту өтө узак убакытта берсе, реалдуу убакыттагы өз ара аракеттенүүнүн натыйжалуулугу төмөн болушу мүмкүн. Ошондуктан изилдөө Information Transfer Rate (ITR) метрикасын колдонгон:

\[ ITR= \frac{60}{RT} \left[ \log_2 M + Acc\log_2 Acc + (1-Acc) \log_2 \left( \frac{1-Acc}{M-1} \right) \right] \tag{6} \]

Бул жерде:

• \(M\): тандоого боло турган буйруктардын жалпы саны,
• \(Acc\): классификация тактыгы,
• \(RT\): системанын response time'ы.

Чарчы кашаанын ичиндеги туюнтма бир тандоо канча маалымат ташыганын бит менен көрсөтөт. \(60/RT\) фактору болсо ар бир тандоого туура келген маалымат көлөмүн убакыт боюнча масштабдап, натыйжаны bit/dakika түрүнө өткөрөт.

Тактык жогорулаганда ITRдин маалымат мүчөсү адатта жогорулайт. Бирок көбүрөөк stimulus round колдонулганда response time узарат жана \(60/RT\) кичирейет. Ошондуктан көбүрөөк кайталоо менен жогорку тактыкка жетүү ITR сөзсүз жогорулайт дегенди билдирбейт.

Үч каналдуу система сегиз каналдуу система менен чындап эле бирдей натыйжалуулук бердиби?

Толугу менен эмес: үч каналдуу система жалпысынан сегиз каналга жакын жана online тактык жагынан статистикалык жактан салыштырууга боло турган натыйжалуулукту көрсөткөн, бирок offline 7-10. стимулдаштыруу раунддарында сегиз канал тактык боюнча да, ITR боюнча да маанилүү артыкчылык көрсөткөн; ошондуктан жыйынтык “натыйжалуулук толугу менен бирдей” эмес, “электроддордун саны олуттуу азайганына карабастан натыйжалуулуктун чоң бөлүгү сакталган” деп түшүндүрүлүшү керек.

Offline тактык кантип өзгөргөн?

Эки системада тең stimulus round саны көбөйгөн сайын тактык жогорулаган. Мунун себеби кайталанган P300 жоопторунун averaging аркылуу бутага байланышкан сигналды спонтандык EEG ызы-чуусуна салыштырмалуу көрүнүктүүрөөк кылышы.

Бирок булак Figure 9дагы бардык аралык раунддардын орточо маанилерин сандык таблица түрүндө бербегендиктен, Verianla 2-9. раунддар үчүн жаңы так маанилерди чыгарбайт.

Offline ITR кантип өзгөргөн?

Accuracy жогорулаганына карабастан ITRдин төмөндөшү карама-каршылык эмес. Көбүрөөк stimulus round системага көбүрөөк маалымат берет, бирок буйрукту түзүү убактысын да узартат. ITR формуласы тактык менен ылдамдыктын ортосундагы ушул тең салмакты бир метрикада баалайт.

Булак ичиндеги белгисиздик боюнча эскертүү: Discussion бөлүмүндө offline акыркы раунд ITR маанилерине 22,47 жана 24,60 bit/dk үчүн тиешелүүлүгүнө жараша ±4,02 жана ±3,76 кошулат. Ушул эле ± маанилер Table 3төгү online ITR стандарттык четтөөлөрү. Figure 10 Results тексти offline final-round маанилери үчүн бул стандарттык четтөөлөрдү өзүнчө билдирбегендиктен, Verianla аларды offline Figure 10го тиешелүү ырасталган SD маанилери катары колдонбойт.

Online натыйжалуулук кандай болгон?

Үч каналдуу түзүлүштө S26, S39, S41, S44 жана S45 номерлүү беш катышуучу %100 online тактыкка жеткен. Булак ошондой эле айрым катышуучулар өздөрүнүн сегиз каналдуу натыйжаларына караганда жогорураак үч каналдуу натыйжа көрсөткөнүн билдирет.

Бул жеке натыйжалар “үч канал биологиялык жактан ар бир адам үчүн жакшыраак” дегенди билдирбейт. Жеке EEG өзгөрмөлүүлүгүнөн улам айрым адамдар белгилүү бир сессияда үч каналдуу система менен жогорураак натыйжа көрсөткөн.

Булактын “маанилүү натыйжалуулук жоготуусу жок” деген сөзүн кантип түшүнүү керек?

Abstract жана conclusion үч каналдуу системаны жалпысынан сегиз канал менен салыштырууга боло турган жана маанилүү натыйжалуулук кемчилиги жок система катары жыйынтыктайт. Толук Results бөлүмү болсо кыйла нюанстуу:

• Offline rounds 7-10 тактыгында сегиз канал маанилүү түрдө жогору.
• Offline rounds 7-10 ITRинде сегиз канал маанилүү түрдө жогору.
• Offline акыркы раунддагы тактык айырмасы абсолюттук түрдө болжол менен 5,2 пайыздык пункт.
• Offline акыркы раунд ITR айырмасы 2,13 bit/dk.
• Online тактык айырмасы булакта p > 0,05.

Ошондуктан Verianla баалоосунда “маанилүү жоготуу жок” деген сүйлөм бардык ички талдоолорго жайылтылбайт.

Башка канал тандоо ыкмалары менен кайра салыштыруу

Изилдөөчүлөр үч өкүлчүлүктүү ыкманы өздөрүнүн 48 катышуучудан турган offline маалымат топтомунда ошол эле баалоо чөйрөсүндө кайра колдонушкан:

Бул таблицадагы p маанилери offline Accuracy үчүн гана paired-sample t-test салыштыруусу.

Булак ичиндеги шайкештик боюнча эскертүү: Table 5тин алдындагы талкуу сүйлөмүндө DFGA [13] жана Adaptive Sparse Bayesian [34] ыкмалары үчүн тиешелүүлүгүнө жараша %87,50 жана %88,10 деп жазылган; бирок жарыяланган Table 5 саптарында Ma et al. [34] %87,50, Martínez-Cagigal et al. [13] %88,10. Verianla таблица саптарын булакта жарыяланган түрүндө сактайт жана эки маанинин ордун үнсүз алмаштырбайт.

NASA-TLX деген эмне?

NASA Task Load Index (NASA-TLX) — тапшырманын колдонуучуда жараткан субъективдүү иш жүгүн бир нече өлчөмдө баалаган анкета ыкмасы. Бул изилдөөдө алты өлчөм колдонулган:

• Mental Demand,
• Physical Demand,
• Temporal Demand,
• Frustration,
• Performance,
• Effort.

Ар бир өлчөм 0-100 шкаласында бааланган.

Үч канал колдонуучунун жүгүн азайттыбы?

Булак төмөнүрөөк Mental Demand жана Physical Demand маанилерин төмөнүрөөк когнитивдик жана физикалык жүк катары түшүндүрөт. Performance ички өлчөмүндө да төмөнүрөөк балл жакшыраак натыйжа деп бааланат.

Temporal Demand, Frustration жана Effort үчүн үч каналдуу системанын орточо маанилери көбүнчө төмөнүрөөк болсо да, айырма статистикалык жактан маанилүү эмес. Ошондуктан бул үч өлчөмдө так жакшыруу көрсөтүлдү деп айтууга болбойт.

Даярдоо жана тазалоо убактысы

Бул натыйжа изилдөөнүн практикалык колдонуу жөнүндөгү дооматынын эң күчтүү артыкчылыктарынын бири. Электроддордун санынын азайышы алгоритмдик эсептөөнүн өлчөмүн гана эмес, физикалык калпакты орнотуу процессин да азайткан.

Изилдөөнүн ыкмасы жана жыйынтыктары

Катышуучулардын үлгүсү

Бул үлгү дени сак жаш чоң кишилерден турат. Ошондуктан кыймыл мүмкүнчүлүгү чектелген бейтаптарда, жүлүн жаракаты бар адамдарда, ALS менен ооругандарда, улгайган колдонуучуларда же башка клиникалык топтордо түздөн-түз клиникалык натыйжалуулук көрсөтүлгөн эмес.

EEG жабдуусу жана алдын ала иштетүү параметрлери

Программалык камсыздоо жана эсептөө чөйрөсү

Эксперименттин эки негизги маалымат баскычы

Алдын ала эксперимент: Бардык 48 адамдан сегиз каналдуу offline EEG чогултулган. Бул маалыматтар GA-BLDA аркылуу туруктуу үч каналды табуу үчүн колдонулган.

Формалдуу эксперимент: Эки жумадан кийин AB/BA crossover салыштыруусу жүргүзүлгөн. Ар бир канал шартында offline calibration жана online validation баскычы колдонулган.

Бул эки маалыматты колдонуу максаты бири-биринен ажыратылышы керек. Алдын ала эксперимент канал түзүлүшүн табат; формалдуу эксперимент тандалган түзүлүш менен сегиз каналдын натыйжалуулугун салыштырат.

Канал тандоонун негизги жыйынтыгы

C3 бардык катышуучуларда эң жогорку орунда болуп, булак анын жыштыгын 1,00 деп берген. C4 0,95, P4 0,90 жыштыкка ээ. Ошентип, C3-C4-P4 акыркы туруктуу канал комбинациясы болгон.

Булак C4 46 адам тарабынан C3 менен бирге эки каналдуу комбинацияга тандалганын да билдирет. Жыштык маанилери булакта эки ондук орундуу катыштар түрүндө берилгендиктен, Verianla башка каналдар үчүн бул катыштардан адамдардын так санын кайра эсептебейт.

Offline жыйынтыктардын кыскача мазмуну

Stimulus round саны көбөйгөн сайын эки системанын тең тактыгы жогорулап, ITRи төмөндөгөн.

Булак 7-10. раунддарда Accuracy үчүн да, ITR үчүн да сегиз каналдын пайдасына p < 0,05 деп билдирет.

Online жыйынтыктардын кыскача мазмуну

Online тестте үч каналдуу система жогорку тактыкты сактаган:

Булактын Results текстинде online Accuracy айырмасы p > 0,05 деп билдирилет. Online ITR үчүн ошол эле бөлүмдө өзүнчө p мааниси берилген эмес.

Даярдоо жеңилдиги менен натыйжалуулуктун ортосундагы компромисс

Үч каналдуу системанын негизги артыкчылыгы тактык метрикасында гана эмес, системаны орнотууда да жатат. Электроддордун саны:

\[ 8\rightarrow3 \]

болуп азайтылган. Бул системадан беш электрод чыгарылганын билдирет.

Даярдоо убактысы:

\[ 30\ \mathrm{dk} \rightarrow 3\ \mathrm{dk} \]

болуп, булак %90 азайууну билдирген.

Мунун ордуна offline акыркы раунддун тактыгы:

\[ 91{,}88\% \rightarrow 86{,}67\% \]

болгон.

Изилдөөнүн инженердик салымы ушул trade-offто жатат: натыйжалуулуктагы кичине айырманын ордуна физикалык орнотуу кыйла жөнөкөйлөштүрүлөт.

Статистикалык талдоо кантип түшүндүрүлүшү керек?

Системалар ошол эле катышуучуларда салыштырылгандыктан, булак paired-sample t-test колдонгон. Ар түрдүү талдоолордо:

• \(p<0,05\),
• \(p<0,01\),
• жана \(p>0,05\)

чектери билдирилген.

p мааниси байкалган айырманын чоңдугу менен бирдей нерсе эмес. Мисалы, offline 10. раунддун тактыгындагы болжол менен 5,2 пайыздык пункт айырмасы статистикалык жактан маанилүү; ошондуктан p мааниси да, абсолюттук айырма да чогуу бааланышы керек.

Булак өзүнчө confidence interval же стандартташтырылган effect size билдирбейт. Ошондой эле бир нече раунд жана NASA-TLX ички өлчөмдөрүндө жүргүзүлгөн paired t-testтер үчүн өзүнчө multiple-comparison correction ыкмасы билдирилген эмес. Ошондуктан Verianla p маанилерин булакта берилген түрүндө берет; жаңы оңдолгон p маанисин эсептебейт.

Булактагы маанилүү шайкештик жана кайра өндүрүү мүмкүнчүлүгү боюнча пункттар

1. Fitness жазасы \(\lambda\): Математикалык ролу түшүндүрүлгөн, сандык мааниси берилген эмес.

2. GA stop параметри \(T\): Оптималдуу чечим канча ырааттуу итерация бою өзгөрбөшү керектиги сандык түрдө берилген эмес.

3. Random seed: Туруктуу global seed колдонулганы айтылган, seed мааниси ачыкталган эмес.

4. “Zero-calibration-cost” сөз айкашы: Канал тандоо үчүн колдонуучуга мүнөздүү GAны кайра иштетүүнү жок кылат; формалдуу online BCI валидациясында offline BLDA calibration дагы эле бар.

5. Offline жана online “маанилүү айырма жок” түшүндүрмөсү: Толук offline Results 7-10. раунддарда сегиз каналдын пайдасына маанилүү айырманы билдирет. Жалпы abstract/conclusion сүйлөмү бул ички жыйынтыкты өз алдынча толук чагылдырбайт.

6. Discussion бөлүмүндөгү offline ITR ± маанилери: Акыркы раунд offline ITRге кошулган ±4,02 жана ±3,76 маанилери Table 3төгү online ITR стандарттык четтөөлөрүнө дал келет; булак offline Figure 10 үчүн бул SDлерди Results бөлүмүндө өзүнчө бербейт.

7. Table 5 ыкма/маани тартиби: Талкуу текстиндеги “respectively” тартиби менен Table 5 саптарындагы 87,50 жана 88,10 маанилеринин ыкмаларга байланышы толук дал келбейт. Verianla таблицаны жарыяланган түрүндө сактайт.

8. Этика комитетинин номери: Guangzhou Maritime University Ethics Committee жактырганы билдирилген, бирок булакта протокол/approval номери көрсөтүлгөн эмес.

Изилдөө колдогон жыйынтыктар

• GA-BLDA колдонулуп, C3, C4 жана P4төн турган туруктуу үч каналдуу P300-BCI түзүлүшү алынган.
• C3, C4 жана P4 бардык 48 адамдык талдоодо канал тандалуу жыштыгы эң жогорку үч канал.
• Үч канал бир жана эки каналга караганда айкын жогорку тактык берген.
• Төрт же андан көп каналга өткөндө Orthogonal Experiment 12 талдоосунда үч каналга салыштырмалуу маанилүү тактык өсүшү билдирилген эмес.
• Offline 10. раунд тактыгы үч каналда %86,67, сегиз каналда %91,88.
• Offline 10. раунд ITRи үч каналда 22,47, сегиз каналда 24,60 bit/dk.
• Online тактык үч каналда %90,21 ± 5,36, сегиз каналда %92,40 ± 5,55.
• Булак online Accuracy айырмасын p > 0,05 деп билдирген.
• Үч каналдуу түзүлүш даярдоо убактысын 30 мүнөттөн 3 мүнөткө кыскарткан.
• Эксперименттен кийинки тазалоо убактысы %80 азайтылган.
• Mental Demand жана Physical Demand үч каналдуу системада маанилүү түрдө төмөн.
• Үч каналдуу түзүлүш көзөмөлдөнгөн VR P300 тапшырмасында практикалуулук-натыйжалуулук тең салмагын камсыздай алган.

Изилдөө колдобогон жыйынтыктар

• Үч канал сегиз канал менен ар бир натыйжалуулук метрикасында толугу менен тең экени көрсөтүлгөн эмес.
• Offline 7-10. раунддардагы сегиз каналдын артыкчылыгы жоголгон эмес.
• Система толугу менен калибрлөөсүз BCI эмес; online колдонуудан мурун BLDA calibration колдонулган.
• C3-C4-P4 түзүлүшү дүйнөдөгү бардык колдонуучулар үчүн адамга мүнөздүү түзүлүштөн жакшы экени көрсөтүлгөн эмес.
• Кыймыл мүмкүнчүлүгү чектелген, жүлүн жаракаты бар, ALS менен ооругандарда, улгайган же башка клиникалык популяцияларда натыйжалуулук ырасталган эмес.
• Кургак электроддор менен ошол эле тактык жана колдонуучу тажрыйбасы көрсөтүлгөн эмес.
• Кыймыл көп, мобилдик колдонуу жана күчтүү айлана-чөйрөлүк ызы-чуу шарттарында туруктуулук көрсөтүлгөн эмес.
• Үч канал жогорку тыгыздыктагы EEGнин бардык мейкиндиктик маалыматын сактай турганы көрсөтүлгөн эмес.
• Даярдоо убактысынын %90 азайышы башка EEG калпагы же электрод технологияларында автоматтык түрдө ошондой болбойт.
• NASA-TLX жыйынтыктары клиникалык натыйжалуулуктун же узак мөөнөттүү күнүмдүк колдонуунун далили эмес.

Изилдөөнүн негизги чектөөлөрү

Азайтылган мейкиндиктик чечилиш: Үч канал сегиз же андан жогорку тыгыздыктагы EEG системаларына караганда баш терисинин азыраак позициясын үлгүлөйт жана сигналдык ашыкчалуулукту азайтат.

Ызы-чуу жана motion artifact тобокелдиги: Каналдардын аз болушу ызы-чуусу жогору мобилдик чөйрөдө альтернативдүү таза сигнал булактарынын азайышына алып келиши мүмкүн.

Катышуучулардын популяциясы: Үлгү 18-26 жаштагы дени сак жаш чоң кишилерден гана турат.

Туруктуу универсалдуу түзүлүш: C3-C4-P4 бардык катышуучулар үчүн туруктуу белгиленген; жеке EEG айырмачылыктарын толук оптималдаштырбашы мүмкүн.

Нымдуу электрод: Изилдөөнүн практикалуулук дооматына карабастан, EEG дагы эле conductive paste талап кылган wet-electrode системасы менен чогултулган.

Көзөмөлдөнгөн чөйрө: Жыйынтыктар Unity негизиндеги көзөмөлдөнгөн визуалдык тапшырма чөйрөсүндө алынган; бул чыныгы мобилдик күнүмдүк жашоо шарттары эмес.

Жетишпеген GA параметрлери: \(\lambda\), туруктуу seed мааниси жана stop patience \(T\) сыяктуу кайра өндүрүү мүмкүнчүлүгүнө тиешелүү айрым деталдар сандык түрдө билдирилген эмес.

Статистикалык отчеттуулук: Confidence interval, стандартташтырылган effect size жана multiple-comparison correction деталдары билдирилген эмес.

Булак келечектеги изилдөөлөр үчүн эмнени сунуштайт?

Авторлор үч негизги багытты сунушташат:

1. Универсалдуу туруктуу түзүлүш менен жеке айырмачылыктарды чогуу эске алган динамикалык канал оптималдаштыруу.
2. Каналдарды азайтуудан келип чыккан маалымат жоготуусун компенсациялоо үчүн deep learning моделдери.
3. Multi-task interference жана мобилдик сценарийлер сыяктуу татаалыраак чыныгы дүйнө чөйрөлөрүндө системанын туруктуулугун сыноо.

Мындан тышкары, кургак электрод системаларында жана клиникалык популяцияларда өзүнчө валидация керек экени ачык көрсөтүлөт.

Бул изилдөөнүн практикалык баалуулугу эмнеде?

Изилдөөнүн негизги салымы “кайсы система эң жогорку классификация тактыгын берет?” деген суроодон бир аз айырмаланат. Сегиз же андан көп электрод кичине натыйжалуулук артыкчылыгын бере алат; бирок күнүмдүк колдонууга жарактуу BCI үчүн даярдоо убактысы, тазалоо, ыңгайлуулук жана эсептөө чыгымы да маанилүү.

Бул изилдөө сегиз каналдан үч каналга өткөндө online тактык жогорку бойдон кала аларын жана физикалык даярдык өтө чоң деңгээлде азая аларын көрсөтөт. Ошондуктан C3-C4-P4 түзүлүшү, өзгөчө колдонуу жеңилдиги менен классификация натыйжалуулугунун ортосундагы инженердик компромисс катары бааланышы керек.

Муну клиникалык жардамчы технологияга айландыруу үчүн бейтаптардын топторунда, улгайган колдонуучуларда, кургак электроддордо, кыймылдуу чөйрөлөрдө жана узагыраак мөөнөттүү чыныгы колдонууда көз карандысыз валидациялар керек. Булар учурдагы изилдөөнүн жыйынтыктары эмес, учурдагы далилди практикага өткөрүү үчүн талап кылынган кийинки валидация баскычтары.

Булак жана ыкма жөнүндө эскертүү

Түпнуска аталышы: A Few-Channel Brain–Computer Interface System Based on a Heuristic Algorithm.

Авторлор: Junhong Luo; Jianbin Yu; Hui Cao; Qiyue Tan; Jinheng Chen; Jing Xiao.

Авторлордун тартиби: Булактагы тартип так сакталган.

Тең салым: Junhong Luo жана Jianbin Yu тең салым кошкон.

Жооптуу автор: Jing Xiao.

Мекеме 1: School of Artificial Intelligence, Guangzhou Maritime University, Guangzhou 510725, China.

Мекеме 2: School of Mathematics and Statistics, Guangdong University of Technology, Guangzhou 510520, China.

Мекеме 3: School of Electronics and Communication Engineering, Guangzhou University, Guangzhou 510006, China.

Журнал: Biomimetics.

Басма: MDPI.

Том / сан / макала номери: 11 / 9 / 613.

DOI: 10.3390/biomimetics11090613.

Расмий шилтеме: https://doi.org/10.3390/biomimetics11090613

Жөнөтүлгөн күнү: 21 июнь 2026.

Ревизия күнү: 15 август 2026.

Кабыл алынган күнү: 17 август 2026.

Жарыяланган күнү: 1 сентябрь 2026.

Булактын түрү: Рецензияланган оригиналдуу изилдөө макаласы; көзөмөлдөнгөн адам EEG эксперименти, P300 мээ–компьютер интерфейси жана эвристикалык канал тандоо изилдөөсү.

Preprint абалы: Булак PDF жана расмий MDPI Version of Record жазууларында өзүнчө preprint номери көрсөтүлгөн эмес.

Лицензия: Creative Commons Attribution (CC BY).

Үлгү: 48 дени сак катышуучу; 12 аял, 36 эркек; 18-26 жаш.

Этика: Guangzhou Maritime University Ethics Committee жактырганы билдирилген. Булакта өзүнчө протокол/approval номери көрсөтүлгөн эмес.

Маалымдалган макулдук: Бардык катышуучулардан жазуу түрүндөгү маалымдалган макулдук алынган.

EEG жабдуусу: South China Brain Control Technology Co., Ltd. wearable EEG cap; Bluetooth 4.2.

Электроддор: F3, F4, C3, C4, P3, P4, O1 жана O2; нымдуу электрод; International 10-20 system.

Үлгүлөө ылдамдыгы: 250 Hz.

Контакттык импеданс: Бардык каналдарда 10 kΩ'дон төмөн.

Алдын ала иштетүү: −200 менен 600 ms epoch, −200 менен 0 ms baseline correction, 0,1-25 Hz төртүнчү тартиптеги IIR band-pass, 50 Hz notch жана 5 эсе downsampling.

Белги чыгаруу: 0-600 ms талдоо терезеси; төрт 150 ms субтерезе; ар бир субтерезеде орточо жана дисперсия; ошол эле бута үчүн 10 stimulus round белгилерин averaging кылуу.

Cross-validation: 10-fold; trial деңгээлинде болжол менен 9:1 окутуу-тест бөлүнүшү.

Decoder: Bayesian Linear Discriminant Analysis (BLDA).

Канал тандоо: Genetic Algorithm + BLDA fitness баалоосу.

GA параметрлерин сканерлөө: Төрт фактор × беш деңгээл, 25 комбинациялуу \(L_{25}(5^4)\) ортогоналдык дизайн.

Тандалган GA жөндөөлөрү: Популяция 30, максималдуу итерация 10, mutation rate 0,07, elite retention rate 0,05.

Билдирилбеген маанилүү GA маанилери: Fitness канал-жазасы \(\lambda\)нын сандык мааниси, stop patience \(T\) мааниси жана global random seedдин сандык мааниси.

Акыркы канал түзүлүшү: C3, C4 жана P4.

Канал жыштыктары: C3=1,00; C4=0,95; P4=0,90; P3=0,80; F3=0,50; F4=0,40; O2=0,20; O1=0,10.

Формалдуу эксперимент дизайны: AB/BA crossover; Group A n=24, Group B n=24; системаны алмаштыруудан мурун 48 саат washout.

Offline calibration: Ар бир катышуучуга 20 trial; ар бир trial үчүн 2 s cue, 16 s stimulus жана 2 s rest; stimulus баскычында 10 round.

Online validation: Сегиз stimulus round; бир бутаны таануу убактысы 16,8 s; BLDA болжолунан кийин 2 s recognition feedback жана Unity буйругун аткаруу.

Натыйжалуулук метрикалары: Classification Accuracy жана Information Transfer Rate.

Колдонуучу жүгү: NASA-TLX; Mental Demand, Physical Demand, Temporal Demand, Frustration, Performance жана Effort.

Статистика: Системаларды салыштырууда paired-sample t-test. Булак ар түрдүү талдоолордо p < 0,05, p < 0,01 жана p > 0,05 деңгээлдерин билдирет.

Көп салыштыруу боюнча эскертүү: Булак multiple-comparison correction ыкмасын, стандартташтырылган effect size же confidence interval билдирбейт.

Программалык камсыздоо: Python 3.9; Unity3D 2022.3 LTS.

Жабдуу чөйрөсү: Intel Core i7-11700K @ 3.60 GHz; 32 GB RAM; Windows 10 64-bit.

Каржылоо: Изилдөө тышкы каржылоо алган эмес.

Маалыматтардын жеткиликтүүлүгү: Маалыматтар corresponding authorдон суроо боюнча жеткиликтүү экени билдирилген.

Кызыкчылыктардын кагылышы: Авторлор кызыкчылыктардын кагылышы жок экенин билдиришкен.

Жасалма интеллект колдонуу билдирүүсү: Булак макаланын акыркы билдирүүлөр бөлүмүндө өзүнчө генеративдик жасалма интеллект колдонуу тууралуу билдирүү берилген эмес.

Авторлордун салымдары: Концептуалдаштыруу Jing Xiao жана Junhong Luo; ыкма Junhong Luo; программалык камсыздоо Junhong Luo жана Qiyue Tan; валидация Jianbin Yu жана Jinheng Chen; формалдуу талдоо Junhong Luo жана Jianbin Yu; изилдөө Junhong Luo; ресурстар Hui Cao жана Jing Xiao; маалыматтарды курациялоо Jianbin Yu; биринчи долбоор Junhong Luo; карап чыгуу/редакциялоо Jianbin Yu, Jing Xiao жана Hui Cao; визуалдаштыруу Jianbin Yu; көзөмөл Jing Xiao жана Hui Cao; долбоорду башкаруу Jing Xiao; каржылоону алуу Jing Xiao жана Hui Cao тарабынан билдирилген.

Негизги түшүндүрмө чеги: Изилдөө туруктуу үч каналдуу C3-C4-P4 түзүлүшү 48 дени сак жаш чоң кишиде көзөмөлдөнгөн P300-VR тапшырмасында практикалык жана жогорку натыйжалуу болушу мүмкүн экенин көрсөтөт. Жыйынтыктар клиникалык бейтап популяцияларында, кургак электрод системаларында, узак мөөнөттүү үй шартындагы колдонууда же кыймыл/ызы-чуу көп чыныгы дүйнөдөгү мобилдик чөйрөлөрдө түздөн-түз ырасталган эмес.

“Калибрлөө” түшүндүрмө чеги: Туруктуу канал түзүлүшү жаңы колдонуучу үчүн GA негизиндеги subject-specific канал издөөсүн жок кылат; бирок формалдуу online эксперимент үчүн адамга тиешелүү offline calibration маалыматы менен BLDA үйрөтүлөт. Ошондуктан изилдөө толугу менен calibration-free BCI көрсөтпөйт.

Булак ичиндеги натыйжалуулук боюнча эскертүү: Abstract/conclusion жалпысынан маанилүү натыйжалуулук кемчилиги жок экенин билдирсе, толук offline Results rounds 7-10до сегиз каналдын пайдасына маанилүү Accuracy жана ITR айырмаларын билдирет. Verianla толук жыйынтыктарды көрүнүктүү түрдө сактаган.

Булак ичиндеги ITR боюнча эскертүү: Discussion бөлүмүндө offline final-round ITR маанилерине кошулган ±4,02 жана ±3,76 маанилери online Table 3төгү ITR стандарттык четтөөлөрү менен бирдей. Булак Results бөлүмүндө Figure 10 final-round offline маанилери үчүн бул SDлерди өзүнчө билдирбегендиктен, Verianla аларды offline SD катары кайра колдонбойт.

Булак ичиндеги Table 5 боюнча эскертүү: Талкуу текстинде DFGA жана Adaptive Sparse Bayesian үчүн колдонулган “respectively” тартиби менен Table 5те 87,50 жана 88,10 маанилеринин ыкмаларга байланышы дал келбейт.