Sensory Stimulation Training for BCI System Based on Somatosensory Attentional Orientation
Notice bibliographique
Résumé
In this study, we propose a sensory stimulation training (SST) approach to improve the performance of a brain-computer interface (BCI) based on somatosensory attentional orientation (SAO). In this BCI, subjects imagine the tactile sensation and maintain the attention on the corresponding hand as if there was a tactile stimulus on the wrist skin. Twenty BCI naïve subjects were recruited and randomly divided into a Control-Group and an SST-Group. In the Control-Group, subjects performed left hand and right hand SAO tasks in six consecutive runs (with 40 trials in each run), divided into three blocks with each having two runs. For the SST-Group, two runs included real tactile stimulation to the left or right hand (SST training block), between the first two (Pre-SST block) and the last two SAO runs (Post-SST block). Results showed that the SST-Group had a significantly improved performance of 9.4% between the last block and the first block after SST training (F(2,18)= 11.11, p = 0.0007); in contrast, no significant difference was found in the Control-Group between the first, second, and the last block (F(2,18)= 2.07, p = 0.1546), indicating no learning effect. The tactile sensation-induced oscillatory dynamics were similar to those induced by SAO. In the SST-Group, R2discriminative information was enhanced around the somatosensory cortex due to the real sensory stimulation as compared with that in the Control-Group. Since the SAO mental task is inherently an internal process, the proposed SST method is meant as an adjuvant to SAO to facilitate subjects in achieving an initial SAO-based BCI control.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».