34、脑机接口技术的前沿进展与创新方法

脑机接口技术的前沿进展与创新方法

脑机接口（BCI）技术作为连接大脑与计算机的桥梁，近年来取得了显著的进展。本文将深入探讨BCI领域的几种创新方法，包括基于标签比例学习的BCI、从单变量到多变量分析的功能性近红外光谱（fNIRS）数据处理、跨领域学习的广义深度学习框架以及单试验振荡脑电图（EEG）成分的时频敏感性表征。

基于标签比例学习的脑机接口（LLP - BCI）

方法概述

传统的BCI系统通常需要频繁校准，这限制了其实际应用。为解决这一问题，研究人员提出了基于标签比例学习（LLP）的BCI方法。该方法通过修改刺激呈现方式，使机器学习模型能够在无需访问类别标签的情况下，可靠地学习目标和非目标类别的均值。

具体操作

• 刺激呈现修改 ：将拼写一个字母的68个刺激序列拆分为长度为8和18的两个交错序列的重复，这两个序列具有不同的目标与非目标比例。
• 模型训练 ：利用这些已知比例来近似平均目标和非目标事件相关电位（ERP）响应，并基于不断改进的类别均值估计，训练正则化线性判别分析分类器。

实验结果

在线脑电图研究中，13名受试者进行复制拼写任务，结果显示该方法平均正确解码字符率达到84.5%，标准差为16.9%，机会水平为3%。理论上，在独立同分布数据点的假设下，均值估计会收敛到真实类别均值，解码器也会收敛到理想的监督解决方案。

优势总结

• 无需校准 ：避免了传统BCI系统频繁校