Investigating the Effect of COVID-19 Infection on P300 Based BCI Application Performance
Notice bibliographique
Résumé
The COVID-19, which has rapidly spread and infected millions of people from all over the world, causes various problems including psychiatric, economic, educational as well as health. Many studies have been reported that COVID-19 can be characterized by vascular damage predominantly involving micro vessels. In this study, we proposed a method to examine whether COVID-19 effects on brain computer interface (BCI) performance or not. We collected P300 based electroencephalogram (EEG) signals from six subjects before and after the COVID-19 infection. For classifying the P300 and non-P300 EEG signals, single output and two-layer artificial neural network was utilized. Based on the t-test analysis, it was observed that there was a significant difference between the before and after COVID-19 infection test groups especially on Oz channel in occipital region for alpha=0.05 percent while that of for alpha=0.01 percent shows no statistical difference for P300 classification results. The latency values, on the other hand, before and after COVID-19 infection did not represent any difference for both significance levels. It is clearly understood from the literature that COVID-19 negatively effects to the microvascular bed. Therefore, it might be expected that it could cause to reduce the P300 based BCI performance. This was the first study to investigate the impact of COVID-19 on P300-based BCI performance, taking into account the EEG signals of the COVID-19 infection. The obtained results showed that although the COVID-19 infection did not generally effected P300 based BCI application performance and latency values, the performance of the occipital region electrodes slightly effected.
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 | 0,003 |
| 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 | 0,000 |
| 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 ».