P300 asosidagi miya–kompyuter interfeysi (Brain–Computer Interface, BCI) — foydalanuvchining vizual nishonlarga bergan hodisa bilan bogʻliq EEG javoblarini tasniflab, kompyuter tizimiga buyruq uzatishni maqsad qiluvchi inson–mashina oʻzaro taʼsir usulidir. Ushbu tadqiqot anʼanaviy sakkiz kanalli P300-BCI tizimida elektrodlar sonini kamaytirish vaqtida tasniflash samaradorligi va foydalanuvchi tajribasini qay darajada saqlab qolish mumkinligini oʻrgangan. Tadqiqotchilar Genetic Algorithm (GA) va Bayesian Linear Discriminant Analysis (BLDA) usullarini birgalikda qoʻllab, F3, F4, C3, C4, P3, P4, O1 va O2 kanallaridan iborat boshlangʻich toʻplamdan qatʼiy uch kanalli joylashuvni tanlagan va barcha 48 ishtirokchi uchun qoʻllanadigan yakuniy kombinatsiyani C3, C4 va P4 deb belgilagan.

Tadqiqotda 18-26 yosh oraligʻidagi 48 nafar sogʻlom koʻngilli qatnashgan; 12 ishtirokchi ayol, 36 ishtirokchi erkak. Ishtirokchilarning koʻrishi normal yoki tuzatilgan normal ekani, nevrologik yoki psixiatrik kasalliklar tarixi yoʻqligi va avval EEG tajribalarida qatnashmagani bildirilgan. EEG maʼlumotlari 250 Hz namuna olish chastotasida sakkizta nam elektrod bilan qayd etilgan; kontakt impedansi barcha kanallarda 10 kΩ dan pastga tushirilgan.

GA-BLDA kanal tanlashida har bir ishtirokchining maʼlumoti avval alohida qayta ishlangan. GA ichidagi har bir nomzod kanal kombinatsiyasi sakkiz bitli ikkilik vektor bilan ifodalangan, tanlangan kanallar bilan oʻqitilgan BLDA tasniflagichining 10 karrali kross-validatsiya aniqligi hisoblangan va ortiqcha kanal ishlatish fitness funksiyasida jazolangan. Keyin 48 kishida topilgan optimal kombinatsiyalar birlashtirilgan, kanallarning tanlanish chastotalari hisoblangan va eng koʻp uchragan uch kanal C3, C4 va P4 sifatida qatʼiy belgilangan.

Uch kanalli tuzilma oflayn tajribaning oxirgi, yaʼni 10. stimulyatsiya raundida %86,67 oʻrtacha aniqlikka erishgan, sakkiz kanalli tizim esa %91,88 aniqlikni taʼminlagan. Bu bosqichda farq taxminan 5,2 foiz punktini tashkil etgan va 7-10. raundlarda sakkiz kanal foydasiga statistik jihatdan ahamiyatli farq qayd etilgan. Xuddi shu 10. raundda axborot uzatish tezligi uch kanalda 22,47 bit/dk, sakkiz kanalda 24,60 bit/dk boʻlgan.

Onlayn validatsiyada uch kanalli tizimning oʻrtacha aniqligi %90,21 ± 5,36, sakkiz kanalli tizimning oʻrtacha aniqligi %92,40 ± 5,55 deb topilgan. Manba onlayn aniqlik farqi statistik ahamiyat darajasiga yetmaganini bildiradi. Oʻrtacha onlayn axborot uzatish tezligi esa uch kanalda 23,66 ± 4,02 bit/dk va sakkiz kanalda 27,52 ± 3,76 bit/dk boʻlgan.

Elektrodlar sonini sakkiztadan uchtagacha kamaytirish nafaqat tasniflash tizimining jismoniy murakkabligini kamaytirgan, balki foydalanuvchini tayyorlash vaqtini ham 30 dakikadan 3 dakikagacha qisqartirgan. Manba bu oʻzgarishni tayyorlash vaqtining %90 kamayishi sifatida qayd etadi. Tajribadan keyingi tozalash vaqti ham %80 kamaygan. NASA-TLX baholashida uch kanalli tuzilma mental demand, physical demand va manbada “performance” deb atalgan oʻlchamda pastroq ballarni koʻrsatgan.

Bu natijalar uchta elektrod har qanday sharoitda sakkizta elektrod bilan mutlaqo bir xil axborotni tashiydi degani emas. Oflayn 7-10. raundlarda sakkiz kanalli tizim statistik jihatdan ahamiyatli samaradorlik ustunligini koʻrsatgan. Bundan tashqari, tadqiqot faqat sogʻlom yosh kattalarda, nazorat qilinadigan virtual reallik muhitida va nam elektrodlar bilan oʻtkazilgan. Klinik bemorlarda, keksa populyatsiyada, quruq elektrodlarda, kuchli harakat va atrof-muhit shovqini mavjud real hayot sharoitlarida ayni samaradorlik saqlanishi ushbu tadqiqot bilan koʻrsatilmagan.

Miya–kompyuter interfeysi nima?

Miya–kompyuter interfeysi miya faolligidan oʻlchangan signallarni kompyuter yoki tashqi qurilma tushuna oladigan buyruqlarga aylantiradigan inson–mashina aloqa tizimidir. Ushbu tadqiqotda miya signali elektroensefalografiya (Electroencephalography, EEG) yordamida bosh terisi ustidan oʻlchanadi. Foydalanuvchi mushak harakati bilan tugmani bosish oʻrniga virtual muhitdagi muayyan vizual nishonga diqqatini qaratadi va tizim EEG javobidan qaysi nishon tanlanganini taxmin qiladi.

P300 nimani anglatadi?

P300 nishon yoki kam uchraydigan stimulga eʼtibor qaratilganda EEG ichida paydo boʻlishi mumkin boʻlgan hodisa bilan bogʻliq elektr javob komponentlaridan biridir. Uning nomi odatda stimuldan keyin yuzlab millisekundlik vaqt oraligʻida kuzatiladigan musbat potensial komponentiga asoslanadi. Ushbu tadqiqot bitta tor vaqt nuqtasidan foydalanish oʻrniga stimul boshlanishidan keyingi 0-600 ms oraligʻidagi EEG axborotini tasniflash maqsadida qayta ishlagan.

P300 asosidagi BCI ning asosiy mantiqi shunday: ekrandagi koʻplab variantlar navbatma-navbat yonib-oʻchadi; foydalanuvchi faqat nishon variantiga eʼtibor beradi; nishon va nishon boʻlmagan stimullar EEG da bir xil statistik javobni hosil qilmaydi. Tasniflagich bu farqni oʻrganib, foydalanuvchi qaysi variantni tanlashga urinayotganini taxmin qiladi.

Nega kamroq EEG kanali kerak?

Koʻp kanalli EEG tizimi kengroq fazoviy axborot toʻplashi mumkin; biroq har bir yangi elektrod bosh kiyimini tayyorlash, oʻtkazuvchi gel surtish, impedansni tekshirish, kabellash va tajribadan keyingi tozalash jarayonlarini koʻpaytiradi. Shu sababli kanallar sonini kamaytirish nafaqat hisoblash yukini, balki haqiqiy foydalanuvchiga tushadigan jismoniy tayyorgarlik jarayonini ham kamaytirishi mumkin.

Buning evaziga muhim xavf yuzaga keladi: kanallar soni kamaygan sari bosh terisining kichikroq qismi namuna olinadi va ayrim signal axborotlari yoʻqolishi ehtimoli ortadi. Shuning uchun asosiy savol “imkon qadar eng kam elektroddan foydalanish” emas. Ilmiy muammo samaradorlik yoʻqotilishini maqbul darajada ushlab turgan holda elektrodlar sonini qanchagacha kamaytirish mumkinligini aniqlashdir.

EEG elektrodlari qayerga joylashtirildi?

Boshlangʻich tizim xalqaro 10-20 elektrod joylashtirish standartiga muvofiq sakkizta kanal ishlatgan:

C3 va C4 markaziy soha, P4 esa parietal soha belgisidir. Tadqiqotning kanal tanlash algoritmi ushbu uch kanalni barcha 48 ishtirokchining oflayn tanlash natijalari boʻyicha umumiy chastota reytingidan chiqargan.

EEG signali qanday qayd etildi?

Tadqiqotda South China Brain Control Technology Co., Ltd. tomonidan ishlab chiqilgan taqiladigan EEG bosh kiyimi ishlatilgan. Tizim kompyuterga Bluetooth 4.2 orqali ulangan va sakkiz kanal real vaqt rejimida qayd etilgan.

Namuna olish chastotasi:

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

boʻlgani uchun tizim har bir kanal uchun soniyasiga 250 ta namuna qayd etadi. Nam elektrodlarning kontakt sohasiga oʻtkazuvchi pasta surtilgan va kontakt impedansi:

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

boʻladigan qilib tayyorlangan. Past va nazorat qilinadigan elektrod-teri impedansi EEG kabi mikrovolt miqyosidagi biopotensial signallarni barqarorroq qayd etish nuqtai nazaridan muhimdir.

EEG segmenti qanday dastlabki qayta ishlangan?

Har bir alohida vizual flash uchun stimul boshlanishi \(t=0\) deb qabul qilingan va:

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

oraligʻidagi EEG segmenti ajratilgan.

Dastlabki qayta ishlash zanjiri quyidagi tartibda:

1. −200 dan 0 ms gacha boʻlgan stimul oldi qismining oʻrtacha amplitudasi hisoblanadi.
2. Ushbu oʻrtacha qiymat butun −200 dan 600 ms gacha boʻlgan segmentdan ayrilib, baseline correction bajariladi.
3. Toʻrtinchi tartibli IIR band-pass filtr bilan 0,1-25 Hz diapazoni saqlanadi.
4. 50 Hz elektr tarmogʻi xalaqitini kamaytirish uchun notch filtr qoʻllanadi.
5. Filtrlangan signal 5 marta downsample qilinadi.

250 Hz boshlangʻich namuna olish chastotasini 5 marta downsample qilish qayta ishlanadigan maʼlumotlar qatorining samarali namuna olish zichligini beshdan birga tushiradi. Manba buni ayniqsa maʼlumot hajmi va keyingi hisoblash yukini kamaytirish maqsadida qoʻllagan.

Baseline correction nima uchun qilinadi?

EEG segmentining mutlaq kuchlanish darajasi P300 javobidan mustaqil sekin siljishlar yoki segmentlararo boshlangʻich farqlarni oʻz ichiga olishi mumkin. Baseline correction stimuldan oldingi −200-0 ms oraligʻining oʻrtacha qiymatini tayanch sifatida olib, butun segmentni shu tayanchga nisbatan qayta markazlaydi.

Tushuntirish uchun amal:

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

koʻrinishida tasavvur qilinishi mumkin. Bu matematik koʻrsatish manbada alohida raqamlangan tenglama emas; manbada matn bilan tasvirlangan baseline ayirish amalining tushuntiruvchi koʻrsatishidir.

Belgilar qanday ajratib olindi?

Filtrlash va downsamplingdan keyin stimuldan soʻng keladigan 0-600 ms qism tahlil oynasi sifatida ishlatilgan. Manba bu oraliq boshlangʻich 250 Hz namuna olishda 150 ta namuna, 5 marta downsamplingdan keyin esa 30 ta namuna oʻz ichiga olishini bildiradi.

0-600 ms oyna toʻrtta teng kichik oynaga boʻlingan:

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

Har bir kichik oynada vaqt sohasi boʻyicha ikkita belgi hisoblangan:

• oʻrtacha EEG amplitudasi,
• EEG amplitudasining dispersiyasi.

Tanlangan barcha kanallarning ushbu belgilari birlashtirilib, bitta stimulyatsiya raundining belgilar vektori yaratilgan.

Keyin ayni nishon uchun bajarilgan 10 ta stimulyatsiya raundining belgilar vektorlari ustma-ust qoʻyilib oʻrtachalashtirilgan. Maqsad spontan EEG fon shovqinini kamaytirish va nishon bilan bogʻliq takrorlanuvchi P300 axborotini kuchaytirishdir.

Bu averaging yondashuvining tabiiy xarajati bor: koʻproq stimulyatsiya raundi tasniflash aniqligini oshirishi mumkin, biroq buyruq berish uchun zarur vaqtni uzaytiradi. Tadqiqotda Accuracy oshayotgan bir paytda ITR ning raundlar soni bilan kamayishining asosiy matematik sababi ham shudir.

10 karrali kross-validatsiya nima qiladi?

10-fold cross-validation maʼlumotlar toʻplamini oʻnta qismga ajratib, modelning ayni maʼlumotga faqat yodlangan tarzda moslashib qolishining oldini olishga qaratilgan baholash tartibidir. Manba maʼlumotlarni trial darajasida boʻlgan va har bir iteratsiyada maʼlumotning taxminan %90 qismini oʻqitish, %10 qismini test uchun ishlatgan.

Oʻnta qismning har biri navbat bilan test qismi boʻladi. Shu tariqa samaradorlik bitta tasodifiy oʻqitish-test boʻlinishiga bogʻlanib qolmaydi.

Kanal tanlashdagi fitness aniqligi ham BLDA ning ushbu 10 karrali kross-validatsiya samaradorligiga asoslanadi.

GA-BLDA Kanal Tanlashi Qanday Ishlaydi?

GA-BLDA doirasida Genetic Algorithm sakkizta EEG kanalidan mumkin boʻlgan quyi toʻplamlarni global tarzda qidiradigan tanlash mexanizmi, BLDA esa har bir nomzod kanal toʻplamining tasniflash aniqligini baholaydigan fitness tasniflagichidir; GA har bir shaxs uchun topgan optimal quyi toʻplamlar keyin 48 ishtirokchi boʻyicha chastotalanib, qatʼiy C3-C4-P4 tuzilmasiga aylantirilgan.

Kanal kombinatsiyasi genetik algoritmda qanday kodlanadi?

Har bir nomzod yechim sakkiz elementli ikkilik vektordir:

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

Bu yerda:

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

Masalan, bitta individ faqat C3, C4 va P4 ni ifodalovchi uchta pozitsiyada 1 qiymatiga ega boʻlishi mumkin. Manba boshlangʻich populyatsiyani tasodifiy hosil qiladi; shuning uchun boshlanishida muayyan elektrod tanlanishiga doir shaxsga xos oldindan qabul qilingan faraz qoʻllanmaydi.

Fitness funksiyasi nega faqat aniqlikdan iborat emas?

Faqat tasniflash aniqligini maksimal qiladigan algoritm koʻproq kanal ishlatishni afzal koʻrishi mumkin. Tadqiqotning maqsadi esa ham yuqori aniqlik, ham kam kanal boʻlgani uchun manba quyidagi bitta maqsadli vaznlangan fitness funksiyasidan foydalangan:

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

Bu yerda:

• \(f(\mathbf{x})\): nomzod kanal kombinatsiyasining fitness bali,
• \(Acc(\mathbf{x})\): BLDA va 10-fold cross-validation yordamida hisoblangan tasniflash aniqligi,
• \(\lambda\): kanal soniga qoʻllanadigan jazoning kuchini nazorat qiluvchi vazn koeffitsiyenti,
• \(\|\mathbf{x}\|_1\): tanlangan kanallar soni,
• \(N=8\): jami nomzod kanallar soni.

\(\|\mathbf{x}\|_1/N\) tanlangan kanallar ulushidir. Koʻproq kanal ishlatilgan sari bu had kattalashadi va fitness balidan kattaroq jazo ayriladi.

Masalan, aniqligi bir xil boʻlgan ikkita yechimdan uchta kanal ishlatadigan yechim sakkizta kanal ishlatadigan yechimga nisbatan kichikroq kanal-jazo hadiga ega boʻladi. Shu tariqa algoritm faqat “eng aniq” yechimni emas, aniqlikni saqlagan holda siyrakroq elektrod joylashuvini taʼminlaydigan kombinatsiyani qidiradi.

Qayta ishlab chiqish mumkinligi haqida izoh: Manba \(\lambda\) nimani nazorat qilishini tushuntiradi, biroq ishlatilgan sonli \(\lambda\) qiymatini keltirmaydi. Shuning uchun fitness funksiyasini toʻliq sonli qayta ishlab chiqish faqat PDF dagi maʼlumotlar bilan mumkin emas.

Genetik amallar nimalar?

Manba uchta asosiy mexanizmdan foydalanadi:

• Elitizm: shu avloddagi eng yuqori fitness qiymatiga ega yechim oʻzgartirilmasdan yangi populyatsiyaga oʻtkaziladi.
• Exchange/Crossover: boshqa individlarning kanal bitlari orasidagi qismlar almashtirilib, yangi kombinatsiyalar hosil qilinadi.
• Variation/Mutation: ayrim bitlar ehtimollik asosida 0 dan 1 ga yoki 1 dan 0 ga oʻzgartirilib, yangi qidiruv nuqtalari hosil qilinadi.

Elitizmning vazifasi mavjud eng yaxshi yechimning genetik amallar vaqtida yoʻqolib ketishiga yoʻl qoʻymaslikdir. Crossover mavjud yechimlarning tuzilmalarini qayta birlashtiradi. Mutation esa populyatsiyada yangi kanal kombinatsiyalarini hosil qilib, qidiruvning erta lokal yechimda tiqilib qolish xavfini kamaytiradi.

GA qachon toʻxtaydi?

Manba ikkita toʻxtatish shartidan foydalanadi:

1. Joriy optimal yechim belgilangan miqdordagi ketma-ket iteratsiya davomida oʻzgarmasa.
2. Maksimal iteratsiyalar soniga yetilsa.

Ikkinchi chegara yakuniy optimallashtirish sozlamasida 10 iteratsiyadir. Biroq birinchi shartdagi ketma-ket bir xil optimal yechim sonini koʻrsatuvchi \(T\) parametrining sonli qiymati PDF da berilmagan.

GA parametrlari qanday tanlandi?

Tadqiqotchilar toʻrtta GA parametrini bevosita bitta qiymatdan boshlash oʻrniga ortogonal tajriba dizayni bilan tekshirgan:

Toʻrtta omil va beshta darajali \(L_{25}(5^4)\) ortogonal dizayn yordamida barcha nazariy kombinatsiyalarni birma-bir sinash oʻrniga 25 ta parametr kombinatsiyasi baholangan.

Eng yuqori uch kanalli aniqlik Orthogonal Experiment 12 konfiguratsiyasida %88,0 deb topilgan. Keyingi tahlillarda ishlatilgan GA sozlamalari:

Manba crossover uchun alohida ehtimollik parametrini keltirmaydi; Exchange amali bajarilganini bildiradi.

Tasodifiylik qanday nazorat qilindi?

GA ning boshlangʻich populyatsiyasi, cross-validation maʼlumot boʻlinishi, crossover nuqtalari va mutation amallari tasodifiylikni oʻz ichiga oladi. Tadqiqotchilar bu oʻzgaruvchanlikni nazorat qilish uchun Python muhitida qatʼiy global pseudorandom seed belgilaganlarini aytgan.

Manba shu yoʻl bilan ayni oflayn maʼlumotlar va parametrlar bilan algoritmik yoʻlni takrorlash mumkinligini taʼkidlaydi.

Biroq PDF da seed ning sonli qiymati keltirilmagan. Shu sababli “fixed seed ishlatildi” degan maʼlumot usul mantigʻini tushuntiradi, ammo maqola matnining oʻzi mustaqil tadqiqotchiga ayni random state ni tiklash uchun yetarli emas.

Kanallarning tanlanish chastotasi qanday edi?

Nega ikki yoki toʻrtta emas, uchta kanal tanlandi?

Manba Orthogonal Experiment 12 parametrlarida kanallar sonini oshirib, oʻrtacha aniqlikni taqqoslagan:

Bitta kanaldan uchta kanalga oʻtilganda aniqlik sezilarli oshadi. Uch kanaldan keyin esa qoʻshimcha elektrodlar beradigan foyda kichrayadi. Manba ushbu samaradorlik platosini elektrodlar soni va aniqlik oʻrtasidagi eng maqbul muvozanat nuqtasi sifatida talqin qilgan va yakuniy kam kanalli tizim uchun uchta kanalni tanlagan.

Bu tizim haqiqatan ham “kalibratsiyasiz” BCI mi?

Yoʻq; tadqiqot yangi foydalanuvchi uchun GA asosidagi kanal qidiruvini va kanal kombinatsiyasini qayta hisoblashni bartaraf etadi, biroq formal onlayn tajribadan oldin shaxsga tegishli offline calibration maʼlumotlari bilan BLDA tasniflagichi oʻqitiladi; shu sababli “zero-calibration-cost” iborasi umumiy EEG tasniflagichi kalibratsiyasining emas, foydalanuvchiga xos kanal tanlash algoritmi xarajatining bartaraf etilishi sifatida talqin qilinishi kerak.

Dastlabki tajriba bilan formal tajriba nega ajratilgan?

Tadqiqotda bir xil maʼlumotlardan ham uchta kanalni aniqlash, ham uchta kanalning ustunligini tasdiqlash uchun bevosita bir xil shaklda foydalanish yuzaga keltirishi mumkin boʻlgan optimistik ogʻishni kamaytirish maqsadida jarayon vaqt jihatidan ajratilgan.

Birinchi bosqichda barcha 48 kishining sakkiz kanalli offline maʼlumotlari toʻplangan va C3-C4-P4 kombinatsiyasini aniqlash uchun GA-BLDA kanal tanlovi qoʻllangan.

Ikki hafta oʻtgach, formal taqqoslovchi tajriba boshlangan. Formal offline calibration maʼlumotlari bu safar BLDA modelini oʻqitish uchun ishlatilgan, soʻng online boshqaruv amalga oshirilgan.

Shuning uchun qatʼiy kanal roʻyxati oldindan belgilangan boʻlsa ham, real vaqt tasniflagichi foydalanuvchi maʼlumotlaridan butunlay mustaqil boʻlgan pretrained universal model emas.

AB/BA crossover dizayni qanday tuzilgan?

48 kishi tasodifiy ravishda ikkita teng guruhga ajratilgan:

Crossover dizaynida bir xil shaxs ikkala tizimdan ham foydalangani sababli shaxslararo EEG farqlarining taqqoslashga taʼsiri kamaytirilishi mumkin. Tizimlar oʻrtasidagi statistik taqqoslashning paired-sample t-test bilan bajarilish mantiqi ham ayni ishtirokchining ikki sharoitdagi natijalarini juftlashtirishdan iborat.

Manba 48 soatlik tanaffusni charchoq va oʻrganish/muscle-memory taʼsirlarini kamaytirish uchun washout sifatida qoʻllagan. Biroq alohida period effect, sequence effect yoki carryover-effect statistik modeli qayd etilmagan.

VR P300 vazifasi qanday ishlagan?

Unity3D 2022.3 LTS yordamida “xona funksiyalarini boshqarish” virtual reallik sahnasi tayyorlangan. Vizual interfeys 1920 × 1080 aniqlikdagi, 60 Hz monitorda namoyish etilgan.

Sahnada parda, televizor, eshik va chiroq kabi interaktiv obyektlar ostida virtual boshqaruv tugmalari joylashgan. Tugmalar uchta holatdan foydalanadi:

• standart holatda qora,
• cue yoki recognition feedback vaqtida 2 soniya qizil,
• stimulation bosqichida qora va yashil orasida 0,1 soniyalik flash oʻtishlari.

Foydalanuvchidan nishon tugma yashil rangga aylanganda ichida sanashi va nishon boʻlmagan tugmalar miltillaganda nigohini barqaror tutishi soʻralgan.

Offline calibration tajribasi qanday oʻtkazilgan?

Har bir ishtirokchi 20 trial bajargan. Bitta trial jami 20 soniya davom etgan:

Har bir stimulyatsiya raundi 1,6 soniya davom etadi. Sakkizta tugmaning har biri pseudo-random tartibda bir marta flash qiladi va bitta flash cycle 0,2 soniya davom etadi: 0,1 soniya qora fon va 0,1 soniya yashil ajratib koʻrsatish.

Online tajriba nimasi bilan farq qilgan?

Online tasdiqlashning umumiy paradigmasi offline bosqichga oʻxshash, biroq bitta nishonni aniqlash vaqti 16,8 soniyagacha qisqartirilgan va stimulyatsiya soni 10 raunddan 8 raundgacha kamaytirilgan.

Sakkiz raund tugagach, oldindan oʻqitilgan BLDA modeli real vaqt EEG belgilaridan nishonni bashorat qilgan, bashorat qilingan tugma 2 soniya qizil rangda koʻrsatilgan va mos Unity buyrugʻi bajarilgan.

BLDA ning asosiy matematik modeli

Manba BLDA ni chiziqli regressiya koʻrinishida quyidagi munosabat bilan taʼriflaydi:

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

Bu yerda:

• \(Y\): regressiya nishoni,
• \(F_i\): \(i\). EEG belgi vektori,
• \(\boldsymbol{\omega}\): belgilar vazni vektori,
• \(z\): Gaussian taqsimotli shovqin hadidir.

\(\boldsymbol{\omega}^{T}F_i\) belgilarining vaznlangan chiziqli kombinatsiyasidir. Mutlaq vazni katta boʻlgan belgilar bashorat natijasiga kuchliroq hissa qoʻshadi.

Bayesian yondashuvning asosiy farqi \(\boldsymbol{\omega}\) ni faqat bitta qatʼiy optimal vektor sifatida koʻrish oʻrniga, vaznlar noaniqligini ehtimollik taqsimoti doirasida baholashidir.

Manba yangi \(F\) namunasi uchun predictive distribution funksiyasini:

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

koʻrinishida beradi.

Integral turli ehtimoliy vazn vektorlari boʻyicha bashoratlarni ularning posterior vaznlari bilan birlashtiradi. Boshqacha aytganda, model faqat bitta \(\boldsymbol{\omega}\) qiymati asosida qaror qilish oʻrniga, vaznlar noaniqligini marginallashtiradi.

Manbaga koʻra, \(\beta\) shovqin \(z\) ning inverse variance parametri; \(\alpha\) esa vaznlar bilan bogʻliq prior dispersiya parametridir.

Notatsiya qaydi: Manba matni \(p(\boldsymbol{\omega}\mid\beta,\alpha,S)\) ifodasini “predicted value y ning posterior distribution i” deb izohlaydi; biroq matematik ifodada taqsimot oʻzgaruvchisi \(\boldsymbol{\omega}\) dir. Verianla ushbu terminologik ifodani yangi tenglama bilan yashirincha almashtirmaydi va matematik ifodani manbadagi shaklida saqlaydi. Bundan tashqari, \(S\) belgisi bu boʻlimda alohida va aniq taʼriflanmagan.

Bashorat taqsimotiga mos regressiya nishon qiymati:

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

bilan hisoblanadi. Manbada \(\boldsymbol{\mu}\) posterior taqsimotning oʻrtacha qiymatini ifodalaydi.

Bayesian yondashuv EEG uchun nega foydali boʻlishi mumkin?

EEG odamdan odamga va vaqt boʻyicha oʻzgarishi mumkin boʻlgan, shovqinli biosignaldir. BLDA ning vaznlarga Bayesian yondashuvni qoʻllashi belgi koeffitsiyentlarini noaniqlik sharoitida tartibga solib, ayniqsa yuqori oʻlchamli va shovqinli EEG belgilarida haddan tashqari moslashish xavfini cheklashga yordam beradigan tasniflash doirasini taqdim etadi.

Bu tadqiqot BLDA ni yangi usul sifatida ishlab chiqmaydi. BLDA GA tomonidan yaratilgan kanal nomzodlarining samaradorligini baholovchi tasniflagich va formal tajribada nishonni bashorat qiluvchi decoder sifatida ishlatiladi.

Aniqlik qanday hisoblangan?

Manba tasniflash aniqligini:

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

deb taʼriflaydi.

Bu yerda:

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

Surat toʻgʻri qarorlarni, maxraj esa barcha tasniflash qarorlarini ifodalaydi. Natija 0 dan 1 gacha ulush yoki foiz shaklida berilishi mumkin.

Axborot uzatish tezligi qanday hisoblangan?

BCI da faqat aniqlikning oʻzi yetarli emas. Agar tizim toʻgʻri buyruqni juda uzoq vaqtda bersa, real vaqt oʻzaro taʼsir samaradorligi past boʻlishi mumkin. Shu sababli tadqiqot Information Transfer Rate (ITR) metrikasidan foydalangan:

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

Bu yerda:

• \(M\): tanlanishi mumkin boʻlgan jami buyruqlar soni,
• \(Acc\): tasniflash aniqligi,
• \(RT\): tizimning response time idir.

Kvadrat qavs ichidagi ifoda bitta tanlov qancha axborot tashishini bitlarda ifodalaydi. \(60/RT\) koeffitsiyenti esa har bir tanlovga toʻgʻri keladigan axborot miqdorini vaqt boʻyicha masshtablab, natijani bit/dakika koʻrinishiga oʻtkazadi.

Aniqlik oshganda ITR ning axborot hadi odatda oshadi. Biroq koʻproq stimulus round ishlatilganda response time uzayadi va \(60/RT\) kamayadi. Shu sababli koʻproq takrorlash bilan yuqoriroq aniqlikka erishish ITR albatta oshishini anglatmaydi.

Uch kanalli tizim sakkiz kanalli tizim bilan haqiqatan ham bir xil samaradorlikni berdimi?

Toʻliq emas: uch kanalli tizim umuman olganda sakkiz kanalga yaqin va online aniqlik nuqtai nazaridan statistik jihatdan taqqoslanadigan samaradorlik koʻrsatgan, biroq offline 7-10. stimulyatsiya raundlarida sakkiz kanal ham aniqlik, ham ITR boʻyicha ahamiyatli ustunlik koʻrsatgan; shu sababli natija “samaradorlik mutlaqo bir xil” deb emas, balki “elektrodlar soni sezilarli kamaytirilganiga qaramay samaradorlikning katta qismi saqlangan” deb talqin qilinishi kerak.

Offline aniqlik qanday oʻzgargan?

Har ikkala tizimda ham stimulus round soni oshgani sari aniqlik oshgan. Buning sababi takrorlangan P300 javoblarining averaging jarayoni orqali nishonga bogʻliq signalni spontan EEG shovqiniga nisbatan koʻproq koʻrinadigan holga keltirishidir.

Biroq manba Figure 9 dagi barcha oraliq raund oʻrtachalarini sonli jadval shaklida bermagani sababli Verianla 2-9. raundlar uchun yangi aniq qiymatlar yaratmaydi.

Offline ITR qanday oʻzgargan?

Accuracy oshishiga qaramay ITR kamayishi qarama-qarshilik emas. Koʻproq stimulus round tizimga koʻproq axborot beradi, biroq buyruq hosil qilish vaqtini ham uzaytiradi. ITR formulasi aniqlik va tezlik oʻrtasidagi ushbu muvozanatni bitta metrikada baholaydi.

Manba ichidagi noaniqlik qaydi: Discussion boʻlimida offline yakuniy raund ITR qiymatlariga 22,47 va 24,60 bit/dk uchun mos ravishda ±4,02 va ±3,76 qoʻshilgan. Xuddi shu ± qiymatlar Table 3 dagi online ITR standart ogʻishlaridir. Figure 10 Results matnida offline final-round qiymatlari uchun bu standart ogʻishlar alohida qayd etilmagani sababli Verianla ularni offline Figure 10 ga tegishli tasdiqlangan SD qiymatlari sifatida ishlatmaydi.

Online samaradorlik qanday boʻlgan?

Uch kanalli tuzilmada S26, S39, S41, S44 va S45 raqamli besh ishtirokchi %100 online aniqlikka erishgan. Manba, shuningdek, ayrim ishtirokchilar oʻzlarining sakkiz kanalli natijalaridan yuqoriroq uch kanalli natija koʻrsatganini bildiradi.

Bu individual natijalar “uch kanal biologik jihatdan har bir shaxs uchun yaxshiroq” degani emas. Individual EEG oʻzgaruvchanligi tufayli ayrim shaxslar muayyan sessiyada uch kanalli tizim bilan yuqoriroq natija koʻrsatgan.

Manbaning “ahamiyatli samaradorlik yoʻqotilishi yoʻq” iborasi qanday talqin qilinishi kerak?

Abstract va conclusion uch kanalli tizimni umuman olganda sakkiz kanal bilan taqqoslanadigan va ahamiyatli samaradorlik kamchiligi boʻlmagan tizim sifatida umumlashtiradi. Batafsil Results boʻlimi esa yanada nozik manzarani koʻrsatadi:

• Offline rounds 7-10 aniqligida sakkiz kanal ahamiyatli darajada yuqori.
• Offline rounds 7-10 ITR da sakkiz kanal ahamiyatli darajada yuqori.
• Offline yakuniy raunddagi aniqlik farqi mutlaq qiymatda taxminan 5,2 foiz punktidir.
• Offline yakuniy raund ITR farqi 2,13 bit/dk dir.
• Online aniqlik farqi manbada p > 0,05.

Shu sababli Verianla baholashida “ahamiyatli yoʻqotish yoʻq” jumlasi barcha quyi tahlillarga tatbiq etilmaydi.

Boshqa kanal tanlash usullari bilan qayta taqqoslash

Tadqiqotchilar uchta vakillik yondashuvini oʻzlarining 48 ishtirokchilik offline maʼlumotlar toʻplamida ayni baholash muhitida qayta qoʻllaganlar:

Ushbu jadvaldagi p qiymatlari faqat offline Accuracy uchun paired-sample t-test taqqoslashidir.

Manba ichidagi muvofiqlik qaydi: Table 5 oldidagi muhokama jumlasida DFGA [13] va Adaptive Sparse Bayesian [34] usullari uchun mos ravishda %87,50 va %88,10 yozilgan; biroq eʼlon qilingan Table 5 qatorlarida Ma et al. [34] %87,50, Martínez-Cagigal et al. [13] %88,10. Verianla jadval qatorlarini manbada eʼlon qilingan shaklida saqlaydi va ikki qiymatning oʻrnini yashirincha almashtirmaydi.

NASA-TLX nima?

NASA Task Load Index (NASA-TLX) vazifa foydalanuvchida hosil qiladigan subyektiv ish yukini bir nechta oʻlcham boʻyicha baholaydigan soʻrovnoma usulidir. Ushbu tadqiqotda oltita oʻlcham ishlatilgan:

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

Har bir oʻlcham 0-100 shkalada baholangan.

Uch kanal foydalanuvchi yukini kamaytirdimi?

Manba pastroq Mental Demand va Physical Demand qiymatlarini pastroq kognitiv va jismoniy yuk sifatida talqin qiladi. Performance quyi oʻlchamida ham pastroq ball yaxshiroq natija sifatida baholanadi.

Temporal Demand, Frustration va Effort uchun uch kanalli tizim oʻrtacha qiymatlari aksariyat hollarda pastroq boʻlsa-da, farq statistik jihatdan ahamiyatli emas. Shu sababli bu uch oʻlchamda qatʼiy yaxshilanish koʻrsatilgan, deb boʻlmaydi.

Tayyorlash va tozalash vaqti

Bu natija tadqiqotning amaliy qoʻllash daʼvosidagi eng kuchli afzalliklardan biridir. Elektrodlar sonining kamayishi faqat algoritmik hisoblash oʻlchamini emas, jismoniy bosh kiyimni oʻrnatish jarayonini ham kamaytirgan.

Tadqiqot usuli va natijalari

Ishtirokchilar namunasi

Ushbu namuna sogʻlom yosh kattalardan iborat. Shu sababli harakatlanish imkoniyati cheklangan bemorlar, orqa miya shikastlanishi boʻlgan shaxslar, ALS bemorlari, keksa foydalanuvchilar yoki boshqa klinik guruhlarda bevosita klinik samaradorlik koʻrsatilmagan.

EEG apparat taʼminoti va dastlabki ishlov berish parametrlari

Dasturiy taʼminot va hisoblash muhiti

Tajribaning ikki asosiy maʼlumot bosqichi

Dastlabki tajriba: Barcha 48 kishidan sakkiz kanalli offline EEG yigʻildi. Ushbu maʼlumotlardan GA-BLDA orqali qatʼiy uchta kanalni aniqlash uchun foydalanildi.

Formal tajriba: Ikki hafta oʻtgach, AB/BA crossover taqqoslash oʻtkazildi. Har bir kanal sharoitida offline calibration va online validation bosqichi qoʻllandi.

Bu ikki maʼlumotdan foydalanish maqsadi bir-biridan ajratilishi kerak. Dastlabki tajriba kanal tuzilmasini aniqlaydi; formal tajriba esa tanlangan tuzilma bilan sakkiz kanal samaradorligini taqqoslaydi.

Kanal tanlashning asosiy natijasi

C3 barcha ishtirokchilarda eng yuqori oʻrinni egallagan va manba uning chastotasini 1,00 deb bergan. C4 0,95, P4 0,90 chastotaga ega. Shunday qilib C3-C4-P4 yakuniy qatʼiy kanal kombinatsiyasi boʻlgan.

Manba, shuningdek, C4 46 kishi tomonidan C3 bilan birga ikki kanalli kombinatsiyaga tanlanganini qayd etadi. Chastota qiymatlari manbada ikki oʻnli ulushlar shaklida berilgani sababli Verianla boshqa kanallar uchun ushbu ulushlardan aniq odam sonini teskari hisoblamaydi.

Offline natijalar xulosasi

Stimulus round soni oshgani sari ikkala tizimning ham aniqligi oshgan va ITR kamaygan.

Manba 7-10. raundlarda ham Accuracy, ham ITR uchun sakkiz kanal foydasiga p < 0,05 qayd etadi.

Online natijalar xulosasi

Online testda uch kanalli tizim yuqori aniqlikni saqlab qolgan:

Manbaning Results matnida online Accuracy farqi p > 0,05 deb qayd etilgan. Online ITR uchun shu boʻlimda alohida p qiymati berilmagan.

Tayyorlash qulayligi va samaradorlik oʻrtasidagi murosa

Uch kanalli tizimning asosiy afzalligi faqat aniqlik metrikasida emas, tizimni oʻrnatishda ham namoyon boʻladi. Elektrodlar soni:

\[ 8\rightarrow3 \]

gacha kamaytirilgan. Bu tizimdan beshta elektrod chiqarilganini anglatadi.

Tayyorlash vaqti:

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

boʻlgan va manba %90 kamayishni qayd etgan.

Bunga qarshi ravishda offline yakuniy raund aniqligi:

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

boʻlgan.

Tadqiqotning muhandislik hissasi ushbu trade-off da yotadi: kichik samaradorlik farqi evaziga jismoniy oʻrnatish jarayoni katta darajada soddalashtiriladi.

Statistik tahlil qanday talqin qilinishi kerak?

Tizimlar ayni ishtirokchilar ustida taqqoslangani sababli manba paired-sample t-test dan foydalangan. Turli tahlillarda:

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

chegaralari qayd etilgan.

p qiymati kuzatilgan farq kattaligi bilan bir xil narsa emas. Masalan, offline 10. raund aniqligidagi taxminan 5,2 foiz punktlik farq statistik jihatdan ahamiyatli; shu sababli ham p qiymati, ham mutlaq farq birgalikda baholanishi kerak.

Manba alohida confidence interval yoki standartlashtirilgan effect size bermaydi. Bundan tashqari, bir nechta raund va NASA-TLX quyi oʻlchamlari boʻyicha bajarilgan paired t-testlar uchun alohida multiple-comparison correction usuli qayd etilmagan. Shu sababli Verianla p qiymatlarini manbada berilgan shaklda uzatadi; yangi tuzatilgan p qiymatini hisoblamaydi.

Manbadagi muhim muvofiqlik va qayta ishlab chiqish mumkinligiga oid nuqtalar

1. Fitness jarimasi \(\lambda\): Matematik roli tushuntirilgan, sonli qiymati berilmagan.

2. GA stop parametri \(T\): Optimal yechim ketma-ket nechta iteratsiya davomida oʻzgarmasligi kerakligi son jihatdan berilmagan.

3. Random seed: Qatʼiy global seed ishlatilgani aytilgan, seed qiymati ochiqlanmagan.

4. “Zero-calibration-cost” iborasi: Kanal tanlash uchun foydalanuvchiga xos GA ni qayta ishga tushirishni bartaraf etadi; formal online BCI tasdiqlashida offline BLDA calibration baribir mavjud.

5. Offline va online “ahamiyatli farq yoʻq” talqini: Batafsil offline Results, 7-10. raundlarda sakkiz kanal foydasiga ahamiyatli farqni qayd etadi. Umumiy abstract/conclusion jumlasi ushbu quyi natijani oʻzi yakka holda ifodalamaydi.

6. Discussion dagi offline ITR ± qiymatlari: Yakuniy raund offline ITR ga qoʻshilgan ±4,02 va ±3,76 qiymatlari Table 3 online ITR standart ogʻishlari bilan bir xil; manba offline Figure 10 uchun bu SD larni Results boʻlimida alohida bermaydi.

7. Table 5 usul/qiymat tartibi: Muhokama matnidagi “respectively” tartibi bilan Table 5 qatorlaridagi 87,50 va 88,10 qiymatlarining usullarga moslashtirilishi toʻliq mos kelmaydi. Verianla jadvalni eʼlon qilingan shaklida saqlaydi.

8. Etika qoʻmitasi raqami: Guangzhou Maritime University Ethics Committee tasdigʻi bildirilgan, biroq manbada protokol/approval raqami koʻrsatilmagan.

Tadqiqot qoʻllab-quvvatlaydigan xulosalar

• GA-BLDA yordamida C3, C4 va P4 dan iborat qatʼiy uch kanalli P300-BCI tuzilmasi olindi.
• C3, C4 va P4 barcha 48 kishilik tahlilda eng yuqori uchta kanal tanlanish chastotasiga ega.
• Uch kanal bitta va ikkita kanalga qaraganda aniq ravishda yuqoriroq aniqlikni taʼminlagan.
• Toʻrtta yoki undan koʻp kanalga chiqilganda Orthogonal Experiment 12 tahlilida uch kanalga nisbatan ahamiyatli aniqlik oshishi qayd etilmagan.
• Offline 10. raund aniqligi uch kanalda %86,67, sakkiz kanalda %91,88.
• Offline 10. raund ITR uch kanalda 22,47, sakkiz kanalda 24,60 bit/dk.
• Online aniqlik uch kanalda %90,21 ± 5,36, sakkiz kanalda %92,40 ± 5,55.
• Manba online Accuracy farqini p > 0,05 deb qayd etgan.
• Uch kanalli tuzilma tayyorlash vaqtini 30 dakikadan 3 dakikagacha kamaytirgan.
• Tajribadan keyingi tozalash vaqti %80 ga kamaytirilgan.
• Mental Demand va Physical Demand uch kanalli tizimda ahamiyatli darajada pastroq.
• Uch kanalli tuzilma nazorat qilinadigan VR P300 vazifasida amaliylik-samaradorlik muvozanatini taʼminlay olgan.

Tadqiqot qoʻllab-quvvatlamaydigan xulosalar

• Uch kanal sakkiz kanal bilan har bir samaradorlik metrikasida mutlaqo teng ekani koʻrsatilmagan.
• Offline 7-10. raundlardagi sakkiz kanal ustunligi yoʻqolgan emas.
• Tizim butunlay kalibratsiyasiz BCI emas; online foydalanishdan oldin BLDA calibration qoʻllangan.
• C3-C4-P4 tuzilmasi dunyodagi barcha foydalanuvchilar uchun shaxsga xos tuzilmadan yaxshiroq ekani koʻrsatilmagan.
• Harakatlanish imkoniyati cheklangan, orqa miya shikastlangan, ALS ga ega, keksa yoki boshqa klinik populyatsiyalarda samaradorlik tasdiqlanmagan.
• Quruq elektrodlar bilan ayni aniqlik va foydalanuvchi tajribasi koʻrsatilmagan.
• Kuchli harakat, mobil foydalanish va ogʻir atrof-muhit shovqini sharoitlarida barqarorlik koʻrsatilmagan.
• Uch kanal yuqori zichlikdagi EEG ning barcha fazoviy maʼlumotini saqlashi koʻrsatilmagan.
• Tayyorlash vaqtidagi %90 kamayish boshqa EEG bosh kiyimi yoki elektrod texnologiyalarida avtomatik ravishda ayni boʻlmaydi.
• NASA-TLX natijalari klinik samaradorlik yoki uzoq muddatli kundalik foydalanish dalili emas.

Tadqiqotning asosiy cheklovlari

Kamaytirilgan fazoviy aniqlik: Uch kanal sakkiz yoki undan yuqori zichlikdagi EEG tizimlariga qaraganda bosh terisining kamroq nuqtalaridan namuna oladi va signal ortiqchaligini kamaytiradi.

Shovqin va motion artifact xavfi: Kamroq kanal shovqini yuqori mobil muhitda muqobil toza signal manbalarining kamayishiga olib kelishi mumkin.

Ishtirokchilar populyatsiyasi: Namuna faqat 18-26 yoshli sogʻlom yosh kattalardan iborat.

Qatʼiy universal tuzilma: C3-C4-P4 barcha ishtirokchilar uchun qatʼiy belgilangan; individual EEG farqlarini toʻliq optimallashtirmasligi mumkin.

Nam elektrod: Tadqiqotning amaliylik daʼvosiga qaramay, EEG hali ham conductive paste talab qiladigan wet-electrode tizimi bilan yigʻilgan.

Nazorat qilinadigan muhit: Natijalar Unity asosidagi nazorat qilinadigan vizual vazifa muhitida olingan; ular haqiqiy mobil kundalik hayot sharoitlari emas.

Yetishmaydigan GA parametrlari: \(\lambda\), qatʼiy seed qiymati va stop patience \(T\) kabi ayrim qayta ishlab chiqish mumkinligiga oid tafsilotlar sonli ravishda qayd etilmagan.

Statistik hisobot: Confidence interval, standartlashtirilgan effect size va multiple-comparison correction tafsilotlari qayd etilmagan.

Manba kelajakdagi tadqiqotlar uchun nimani tavsiya qiladi?

Mualliflar uchta asosiy yoʻnalishni tavsiya etadilar:

1. Universal qatʼiy tuzilma bilan shaxsiy farqlarni birgalikda hisobga oladigan dinamik kanal optimallashtirish.
2. Kanallarni kamaytirish natijasida yuzaga keladigan axborot yoʻqotilishini qoplash uchun deep learning modellari.
3. Multi-task interference va mobil ssenariylar kabi murakkabroq real dunyo muhitlarida tizim barqarorligini sinash.

Bundan tashqari, quruq elektrod tizimlarida va klinik populyatsiyalarda alohida tasdiqlash talab etilishi aniq qayd etilgan.

Ushbu tadqiqotning amaliy qiymati nimada?

Tadqiqotning asosiy hissasi “qaysi tizim eng yuqori tasniflash aniqligini beradi?” degan savoldan biroz farq qiladi. Sakkiz yoki undan koʻp elektrod kichik samaradorlik ustunligini berishi mumkin; biroq kundalik foydalanish mumkin boʻlgan BCI uchun tayyorlash vaqti, tozalash, qulaylik va hisoblash xarajati ham muhim.

Ushbu tadqiqot sakkiz kanaldan uch kanalga oʻtilganda online aniqlik yuqori darajada saqlanishi va jismoniy tayyorgarlik juda katta darajada kamayishi mumkinligini koʻrsatadi. Shu sababli C3-C4-P4 tuzilmasi, ayniqsa, foydalanish qulayligi bilan tasniflash samaradorligi oʻrtasidagi muhandislik murosasi sifatida baholanishi kerak.

Buni klinik yordamchi texnologiyaga aylantirish uchun bemor guruhlarida, keksa foydalanuvchilarda, quruq elektrodlarda, harakatli muhitlarda va uzoqroq muddatli real foydalanishda mustaqil tasdiqlashlar zarur. Bular mavjud tadqiqot natijalari emas, balki mavjud dalilni amaliyotga koʻchirish uchun zarur boʻlgan keyingi tasdiqlash bosqichlaridir.

Manba va usul haqida qayd

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

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

Mualliflar tartibi: Manbadagi tartib aynan saqlangan.

Teng hissa: Junhong Luo va Jianbin Yu teng hissa qoʻshgan.

Masʼul muallif: Jing Xiao.

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

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

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

Jurnal: Biomimetics.

Nashriyot: MDPI.

Jild / son / maqola raqami: 11 / 9 / 613.

DOI: 10.3390/biomimetics11090613.

Rasmiy havola: https://doi.org/10.3390/biomimetics11090613

Yuborilgan sana: 21 iyun 2026.

Qayta koʻrib chiqilgan sana: 15 avgust 2026.

Qabul qilingan sana: 17 avgust 2026.

Nashr sanasi: 1 sentabr 2026.

Manba turi: Taqrizdan oʻtgan original tadqiqot maqolasi; nazorat qilinadigan inson EEG tajribasi, P300 miya–kompyuter interfeysi va evristik kanal tanlash tadqiqoti.

Preprint holati: Manba PDF va rasmiy MDPI Version of Record yozuvlarida alohida preprint raqami koʻrsatilmagan.

Litsenziya: Creative Commons Attribution (CC BY).

Namuna: 48 sogʻlom ishtirokchi; 12 ayol, 36 erkak; 18-26 yosh.

Etika: Guangzhou Maritime University Ethics Committee tasdigʻi bildirilgan. Manbada alohida protokol/approval raqami koʻrsatilmagan.

Axborotli rozilik: Barcha ishtirokchilardan yozma axborotli rozilik olingan.

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

Elektrodlar: F3, F4, C3, C4, P3, P4, O1 va O2; nam elektrod; International 10-20 system.

Namuna olish tezligi: 250 Hz.

Kontakt impedansi: Barcha kanallarda 10 kΩ dan past.

Dastlabki ishlov: −200 dan 600 ms gacha epoch, −200 dan 0 ms gacha baseline correction, 0,1-25 Hz toʻrtinchi darajali IIR band-pass, 50 Hz notch va 5 karrali downsampling.

Belgilarni ajratib olish: 0-600 ms tahlil oynasi; toʻrtta 150 ms quyi oyna; har bir quyi oynada oʻrtacha va dispersiya; ayni nishon uchun 10 stimulus round belgilarining averaging jarayoni.

Cross-validation: 10-fold; trial darajasida taxminan 9:1 oʻqitish-test boʻlinishi.

Decoder: Bayesian Linear Discriminant Analysis (BLDA).

Kanal tanlash: Genetic Algorithm + BLDA fitness baholashi.

GA parametrlarini skanerlash: Toʻrt omil × besh daraja, 25 kombinatsiyali \(L_{25}(5^4)\) ortogonal dizayn.

Tanlangan GA sozlamalari: Populyatsiya 30, maksimal iteratsiya 10, mutation rate 0,07, elite retention rate 0,05.

Qayd etilmagan kritik GA qiymatlari: Fitness kanal-jarimasi \(\lambda\) ning sonli qiymati, stop patience \(T\) qiymati va global random seed ning sonli qiymati.

Yakuniy kanal tuzilmasi: C3, C4 va P4.

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

Formal tajriba dizayni: AB/BA crossover; Group A n=24, Group B n=24; tizim almashtirilishidan oldin 48 soat washout.

Offline calibration: Har bir ishtirokchi uchun 20 trial; har bir trial uchun 2 s cue, 16 s stimulus va 2 s rest; stimulus bosqichida 10 round.

Online validation: Sakkiz stimulus round; bitta nishonni aniqlash vaqti 16,8 s; BLDA bashoratidan keyin 2 s recognition feedback va Unity buyrugʻini bajarish.

Samaradorlik metrikalari: Classification Accuracy va Information Transfer Rate.

Foydalanuvchi yuki: NASA-TLX; Mental Demand, Physical Demand, Temporal Demand, Frustration, Performance va Effort.

Statistika: Tizimlarni taqqoslashda paired-sample t-test. Manba turli tahlillarda p < 0,05, p < 0,01 va p > 0,05 darajalarini qayd etadi.

Koʻp martalik taqqoslash qaydi: Manba multiple-comparison correction usuli, standartlashtirilgan effect size yoki confidence interval ni qayd etmaydi.

Dasturiy taʼminot: Python 3.9; Unity3D 2022.3 LTS.

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

Moliyalashtirish: Tadqiqot tashqi moliyalashtirish olmagan.

Maʼlumotlarning mavjudligi: Maʼlumotlar corresponding author dan soʻrov asosida olinishi mumkinligi bildirilgan.

Manfaatlar toʻqnashuvi: Mualliflar manfaatlar toʻqnashuvi yoʻqligini bildirgan.

Sunʼiy intellektdan foydalanish bayonoti: Manba maqolaning yakuniy bayonotlar boʻlimida alohida generativ sunʼiy intellektdan foydalanish bayonoti qayd etilmagan.

Muallif hissalari: Konseptuallashtirish Jing Xiao va Junhong Luo; usul Junhong Luo; dasturiy taʼminot Junhong Luo va Qiyue Tan; tasdiqlash Jianbin Yu va Jinheng Chen; formal tahlil Junhong Luo va Jianbin Yu; tadqiqot Junhong Luo; resurslar Hui Cao va Jing Xiao; maʼlumotlar kuratsiyasi Jianbin Yu; dastlabki qoralama Junhong Luo; koʻrib chiqish/tahrirlash Jianbin Yu, Jing Xiao va Hui Cao; vizuallashtirish Jianbin Yu; nazorat Jing Xiao va Hui Cao; loyiha boshqaruvi Jing Xiao; moliyalashtirishni jalb qilish Jing Xiao va Hui Cao tomonidan qayd etilgan.

Asosiy talqin chegarasi: Tadqiqot qatʼiy uch kanalli C3-C4-P4 tuzilmasi 48 sogʻlom yosh katta ishtirokchida nazorat qilinadigan P300-VR vazifasida amaliy va yuqori samaradorlikka ega boʻlishi mumkinligini koʻrsatadi. Natijalar klinik bemor populyatsiyalarida, quruq elektrod tizimlarida, uzoq muddatli uy foydalanishida yoki kuchli harakat/shovqin mavjud real dunyo mobil muhitlarida bevosita tasdiqlanmagan.

“Kalibratsiya” talqin chegarasi: Qatʼiy kanal tuzilmasi yangi foydalanuvchi uchun GA asosidagi subject-specific kanal qidiruvini bartaraf etadi; biroq formal online tajriba uchun shaxsga tegishli offline calibration maʼlumotlari bilan BLDA oʻqitiladi. Shu sababli tadqiqot butunlay calibration-free BCI ni koʻrsatmaydi.

Manba ichidagi samaradorlik qaydi: Abstract/conclusion umuman olganda ahamiyatli samaradorlik kamchiligi yoʻqligini bildirgan boʻlsa, batafsil offline Results rounds 7-10 da sakkiz kanal foydasiga ahamiyatli Accuracy va ITR farqlarini qayd etadi. Verianla batafsil natijalarni koʻrinadigan tarzda saqlagan.

Manba ichidagi ITR qaydi: Discussion boʻlimida offline final-round ITR qiymatlariga qoʻshilgan ±4,02 va ±3,76 qiymatlari online Table 3 dagi ITR standart ogʻishlari bilan bir xil. Manba Results boʻlimida Figure 10 final-round offline qiymatlari uchun bu SD larni alohida qayd etmagani sababli Verianla ularni offline SD sifatida qayta ishlatmaydi.

Manba ichidagi Table 5 qaydi: Muhokama matnidagi DFGA va Adaptive Sparse Bayesian uchun ishlatilgan “respectively” tartibi bilan Table 5 da 87,50 va 88,10 qiymatlarining usullarga bogʻlanishi mos kelmaydi.