【文献阅读】3-MOABB: trustworthy algorithm benchmarking for BCIs 2018

系列文章目录

EEG的相关文献阅读—第一篇 综述类
EEG的相关文献阅读—第二篇 BCI应用

摘要

摘要部分通过四个小标题来分块完成：Objective，Approach，Main results，Significance。本文建立于MNE工具包【文献13】【文献14】，提出了关于改善BCI算法开发的自己的开源系统（网址），并在一组包含12个公开数据集，250多个主题的解码算法上进行数据可视化和统计分析。

关键词

脑机接口，EGG，机器学习，CSP，空间滤波，软件

背景

BCI是由大脑记录的信号定义的，并被送入计算机，它可以通过任何数量的方式受到受试者和实验者的影响。为了解决数据集的验证困难问题，研究人员总是以创建一个新数据集或者是使用少数著名的、久经考验的数据集之一为两个解决办法。

为解决BCI算法发展的两方面困难：

1. 小样本数据集
2. 缺乏可重复性

创新点

本文提出了一个可靠地比较BCI管道的系统，该系统既容易扩展以纳入新的数据集，又配备了一个自动统计程序来确定哪些管道表现最好。该系统为提交和验证新的BCI管道定义了一个scikit-learn接口，用于更新作用。适用于不同的管道类型（EEG，fNIRS，其他），多级范式，迁移学习场景等问题。

方法

MOABB项目包括许多公开可用的EEG数据集的汇总，这些数据集被转换为通用格式并捆绑在软件包中，以及SOA算法的集合。与BCILAB 插件【文献19】，OpenVIBE【文献26】，BCI2000【文献27】做对比，指出各自优缺点，引出自己的系