MétaCan
Menu
Retour à la cohorte
Enregistrement W2277394937 · doi:10.1016/j.bspc.2015.12.010

An independent-BCI based on SSVEP using Figure-Ground Perception (FGP)

2016· article· en· W2277394937 sur OpenAlexaff
Richard Tello, Sandra Müller, Muhammad A. Hasan, André Ferreira, Sridhar Krishnan, Teodiano Bastos-Filho

Notice bibliographique

RevueBiomedical Signal Processing and Control · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesFundação de Amparo à Pesquisa e Inovação do Espírito SantoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésBrain–computer interfaceComputer sciencePerceptionFigure–groundCommon groundArtificial intelligenceSpeech recognitionPattern recognition (psychology)ElectroencephalographyPsychologyCommunicationNeuroscience

Résumé

récupéré en direct d'OpenAlex

The main idea of a traditional Steady State Visually Evoked Potentials (SSVEP)-BCI is the activation of commands through gaze control. However, the widely named “dependent” SSVEP-BCIs might not be applicable for patients with ocular motor impairments or severe neuromuscular problems. Nevertheless, an “independent” SSVEP-BCIs might be a potential approach to solve this problem. This study presents a novel independent-BCI based on SSVEP using Figure-Ground Perception (FGP), terminology widely known and used in Gestalt psychology for object recognition by means of changes in perception. This BCI proposes to identify two different targets that represent commands in a limited visual space without needing to shift the gaze by the paradigm of covert attention. For that purpose, the well-known example of Rubin's face-vase in FGP was used. The traditional EEG signal analysis consists of three steps: filtering, feature extraction and classification. In this work, two techniques were used for performance comparison, and the classification was obtained through a criterion of maxima for both techniques. Ten subjects participated in this study in offline tests and five subjects for online tests. The flickering frequencies were 15.0 Hz (vase) and 11.0 Hz (faces). Our results demonstrate that the electrode Oz is the best channel for characterization of visual perception, from a quantitative point of view based on the canonical correlation, after a channel analysis by independent way. Regarding the classification, MSI technique was more accurate in relation to CCA, in all the cases with same conditions, either using three electrodes or a single electrode (Oz), even for different window lengths. The online performance appeared to decrease as participants switched from Face (82.7%) to Vase (76%) stimulus. These results are consistent with our results in offline tasks. Muscular activity related to the eye movements was also evaluated using a commercial device of eye tracking (Eye Tribe). These findings strongly support the hypothesis of visual selectivity by means of perception and neural mechanism of spatial attention .

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,282
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomedical Signal Processing and ControlMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207