MétaCan
Menu
Retour à la cohorte
Enregistrement W4366984273 · doi:10.21203/rs.3.rs-2836229/v1

Brain-Computer Interfaces for Children: A Comparative Study of Five Common EEG-based Paradigms

2023· preprint· en· W4366984273 sur OpenAlexaff
Dion Kelly, Ephrem Zewdie, Helen L. Carlson, Adam Kirton

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésBrain–computer interfaceCerebral palsyElectroencephalographyCognitionTolerabilityPsychologyAudiologyEvent-related potentialPhysical medicine and rehabilitationMedicineNeuroscienceAdverse effect

Résumé

récupéré en direct d'OpenAlex

Abstract Background Quadriplegic cerebral palsy (QCP), the most severe form of cerebral palsy (CP), affects millions of individuals worldwide. Children with QCP often have intact cognitive function but face challenges in communication or interaction with their environments, which may result in a condition similar to "locked-in syndrome." Brain-computer interfaces (BCIs) hold potential to help, but pediatric BCI research has been limited. This study aimed to establish baseline performance of common BCI paradigms in typically developing children to support applications in children with disabilities.Methods Performance on five BCI paradigms, including visual (P300), auditory (AEP), and vibro-tactile (VTP2 and VTP3) event-related potentials, and sensorimotor rhythm (SMR) modulation using motor imagery, was evaluated in thirty school-age children using tasks with predefined goals. Two commercially available EEG-based BCI systems, Mindbeagle® and intendiX®, were used. The primary outcome was online classification accuracy. Potential factors affecting performance, including age, sex, motivation, tolerability, and fatigue, were also explored.Results We found that most children were able to demonstrate competency on multiple BCI paradigms with favorable tolerability and no serious adverse events. Mean accuracy across all paradigms was 77.03%, with 73% achieving BCI competency. Performance on P300-based paradigms was better than the SMR paradigm, with the highest performance observed in the VTP2 paradigm (89.48%), and the lowest in the SMR paradigm (55.68%). Significant differences in accuracy and fatigue were observed across the paradigms, with the visual P300 spelling paradigm showing the highest motivation and lowest fatigue. Age was correlated only with AEP BCI performance, while no other factors appeared to influence performance across paradigms.Conclusion We conclude that evoked potential BCI paradigms are generally effective in children as young as 6 years of age in a laboratory setting for potentially meaningful tasks, such as communication, recreation, and computer operation. The research contributes to the limited knowledge on non-invasive BCI performance in children and offers insights into factors affecting performance. More research is needed to understand how these BCI paradigms can be optimized for children and implemented in real-world environments and as assistive technology for youth with disabilities.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,168
Tête enseignante GPT0,443
Écart entre enseignants0,275 · 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'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207