Development and testing an online near-infrared spectroscopy brain–computer interface tailored to an individual with severe congenital motor impairments
Notice bibliographique
Résumé
PURPOSE: For non-verbal individuals, brain-computer interfaces (BCIs) are a potential means of communication. Near-infrared spectroscopy (NIRS) is a brain-monitoring modality that has been considered for BCIs. To date, limited NIRS-BCI testing has involved online classification, particularly with individuals with severe motor impairments. MATERIALS AND METHODS: We tested an online NIRS-BCI developed for a non-verbal individual with severe congenital motor impairments. The binary BCI differentiated categorical verbal fluency task (VFT) performance and rest using prefrontal measurements. The participant attended five sessions, the last two of which were online with classification feedback. RESULTS: An online classification accuracy of 63.33% was achieved using a linear discriminant classifier trained on a four-dimensional feature set. An offline, cross-validation analysis of all data yielded an optimal adjusted classification accuracy of 66.6 ± 9.11%. Inconsistent functional responses, contradictory effects of feedback, participant fatigue and motion artefacts were identified as challenges to online classification specific to this participant. CONCLUSIONS: Results suggest potential in using an NIRS-BCI controlled by the VFT in instances of severe congenital impairments. Further testing with users with severe disabilities is necessary. Implications for Rehabilitation Brain-computer interfaces (BCIs) can provide a non-motor based means of communication for individuals with severe motor impairments. Near-infrared spectroscopy (NIRS) is a haemodynamic-based brain-imaging modality used in BCIs. To date, NIRS-BCIs have not been thoroughly tested with potential target users. This case study shows that NIRS-BCIs may offer a means of practical communication for individuals with severe congenital impairments and continued exploration is advisable.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».