Limited value of temporo-parietal hemodynamic signals in an optical-electric auditory brain-computer interface
Notice bibliographique
Résumé
Abstract Objective . Auditory brain-computer interfaces (BCIs) have gained attention recently due to their potential applicability to severely disabled individuals without functional vision. However, auditory BCIs currently achieve lower accuracies than their visual counterparts, and most have exploited only one type of brain measurement. Recent evidence suggests that the combination of electrical and optical measurements can enhance classification accuracies in motor imagery-based BCIs. The potential of this bimodal combination for auditory BCIs remains unexplored. Approach . We investigated the complementarity of near-infrared spectroscopy (NIRS) and electroencephalography (EEG) in discriminating between attentive and non-attentive behaviours to auditory stimuli. Simultaneous NIRS and EEG signals were recorded from 11 typically developed participants while performing an auditory oddball streaming task. Main Results . Considering neural responses to oddballs during the entire span of a trial, average classification accuracies of 77.43+/−9.6% and 80.7+/−9.5% were achieved using combined EEG and NIRS signal and the EEG-only signal respectively. The combined EEG-NIRS classification accuracy was significantly lower than the EEG-only accuracy in five participants. However, when considering EEG responses to the first oddball within each trial, we found that the inclusion of NIRS activities from the complete task period significantly improved classification accuracies for 2 participants. Significance . Our findings suggest that the consolidation of EEG (midline) and NIRS (temporo-parietal) signals offers limited value beyond an EEG-exclusive approach when decoding prolonged auditory attention-demanding tasks. Future efforts should focus on identifying the optimal time window for the analysis of EEG and NIRS signals to delineate conditions under which the BCI may afford a practical advantage over the EEG-exclusive approach.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».