点击上面"脑机接口社区"关注我们

更多技术干货第一时间送达

本研究将基于稳态视觉诱发电位(SSVEP)的脑-机接口(BCI)应用于肌萎缩性侧索硬化症(ALS)患者，并验证了其进行交流的可行性。研究人员所开发的无校正和异步拼写系统为患者提供了自然且高效的沟通体验，实现了最大的自由拼写准确率(超过90%)，信息传输率超过22.203 bits/min。在该项研究中，研究人员还获得一套标准频率扫描和任务拼写数据，以评估患者的SSVEP反应并促进进一步个性化的脑机接口设计。研究实验结果表明，所提出的基于SSVEP的脑机接口系统具有良好的实用性和有效性，足以为ALS患者提供日常生活交流。

稳态视觉诱发电位(SSVEP)是一种快速、安全、可靠的脑机接口控制模式。基于SSVEP的BCIs的可行性已经得到了一些临床应用的支持。但大部分的BCI拼写器面向的是英文用户，这给熟悉中文的用户带来不便。因此，在该项研究中，研究人员考虑到基于P300的BCI拼写器通信速度不高，检测算法所需的训练过程繁琐，同步系统设计和英文界面不友好，他们提供了一个基于SSVEP的高速异步和BCI拼写器的中文输入界面，它可以方便地在一个LIS患者的家庭中使用。

刺激配置和键盘布局

家庭使用以及在其他一些环境下的拼写使用

受试者于2018年10月进行了英语自由拼写测试，并在2019年2月至3月期间继续使用该系统进行每周一次的中文日常交流。家庭使用部分主要由自由拼写组成，受试者可以表达关怀要求和个人感情。

除了日常家庭使用，2019年3月在强电磁场环境下的电视演播室中进行了拼写实验。系统配置与家庭使用相同，但为了简单和高效，采用了额外的"双拼汉字拼写策略(double-spelling Chinese character spelling strategy)"。

汉语双拼拼写策略是以汉语音节为基础的。考虑到受试者很难移动视线或眼睛，最常用字符的首字母和韵母都放在相同的按钮上。双重拼写策略利用中文首字母和韵母的特定组合来减少字符的拼写步骤和目标的数量。借助自动完成的词缀和连续的单词输入功能，该模块能够适应用户的拼写方式。

时空分析

为了评估受试者的SSVEP数据的信号质量，研究人员基于离线频率扫描范例的数据进行了时空分析。图3示出了由15Hz刺激引起的来自Oz电极的SSVEP信号的时域波形。平均波形表现出明显的周期性相干大脑响应，其峰值在15Hz处具有其在频域中的第二，第三或第四次谐波。这些发现表明典型的SSVEP脑反应。

图3时空分析。(A)时域中的SSVEP信号。(B)频域中的SSVEP信号。

(C) SSVEP信号地形图。(D) SSVEP信号地形图。

信噪比分析

给定频带的SNR(信噪比)反映了受试者对特定频率的敏感度，为调整定制的系统设计提供了依据。由图3分析可知，从低频段到高频段有减小的趋势，这种现象很普遍的。另外，不同频率的信噪比所描绘的地形图显示出不同的空间模式，这与一般频率响应一致，即较低频率的大脑响应往往更集中于枕部区域，而不是分散于其他区域。

BCI性能

这里基于SSVEP的BCI的理论表现来自于在线提示英语拼写实验。

准确性(定义为正确试验的比例)是BCI系统中使用的最直接的评估标准，尤其是为ALS患者的交流而设计的系统中最直接的评估标准。一个好的BCI系统保证了鲁棒性和可行性。图4(D)为在线自由拼写器实验结果的混淆矩阵，x轴为刺激频率，y轴为结果频率。一般来说，输出与系统输入有关，并且10个特定频率的刺激结果是正确的。7-block实验的平均正确率为75.1%，最大正确率为95.9%，最小正确率为61.1%。

除识别精度外，平均识别时间也是判断系统性能的一个重要指标。通常认为，平均识别时间与信号的质量有关。

图4英语自由拼写实验结果。(A)试验检测时间分布。(B)平均试验时间随刺激频率的分布。这里，只有正确的识别试验被考虑在内。(C)7-block平均检测时间和准确率。(D)每列归一化7-block实验的混淆矩阵。

如图4所示，在线拼写实验结果表明，不同频率刺激的平均时间是不同的。总的来说，7-block实验的平均检测时间为4.69 s，最大值为8.1 s，最小值为3.41 s。在223个正确的试验中，有3个试验的检测次数大于10秒。由图4(A)可以看出，主要试验的检测时间在6 s以下。此外，平均检测时间和刺激频率的分布如图4(B)所示，说明被试对不同频率的刺激具有不同的敏感性。结果表明，该动态策略能够在灵活、合理的时间内成功地获得输出字符。

总结

研究人员展示了基于SSVEP的BCI与ALS患者进行交流的可行性和效率。在无需校准的异步拼写系统的帮助下，患者能够在复杂环境下以各种方式进行快速的交流。

参考信息

Steady-state visual evoked potential (SSVEP)-based brain–computer interface (BCI) of Chinese speller for a patient with amyotrophic lateral sclerosis: A case report

文章来源于网络，仅用于学术交流，不用于商业行为

若有侵权及疑问，请后台留言，管理员即时删侵！

更多阅读

如何对单手和双手协同运动方向进行神经表征和解码？北理工研究团队给出了相关方案

脑科学研究的三大发展方向

Nature子刊 | 研究人员对特定行为的大脑信号模式进行分离和解码

【基于深度学习的脑电图识别】数据集篇：脑电信号自动判读的大数据

脑机接口拼写器是否真的安全？华中科技大学研究团队对此做了相关研究

脑机接口和卷积神经网络的初学指南(一)

脑电数据处理分析教程汇总(eeglab, mne-python)

P300脑机接口及数据集处理

快速入门脑机接口：BCI基础(一)

如何快速找到脑机接口社区的历史文章？

脑机接口BCI学习交流QQ群：515148456

微信群请扫码添加，Rose拉你进群

(请务必填写备注，eg. 姓名+单位+专业/领域/行业)

长按关注我们

欢迎点个在看鼓励一下​​​​​​​