Limited value of a common spatial patterns approach to online discrimination of left- and right-hand motor imagery in a pediatric sample
Notice bibliographique
Résumé
Background Applications of brain-computer interfaces (BCIs) in pediatric rehabilitation are expanding. However, it is unclear whether popular BCI paradigms developed for adults are feasible in children. This study evaluated, in a typically developing pediatric sample, a time-honored, adult, motor imagery BCI paradigm that discriminates between imagined left- and right-hand movements.Methods We developed an electroencephalographic pediatric BCI with visual-auditory feedback through a game interface controlled by left- and right-hand motor imagery (MI). The BCI was evaluated in one offline (with sham feedback) and four online (with real-time classifier feedback) sessions with 11 typically developing children aged 9–14 years. The BCI was personalized to each child, via a well-established adult pipeline, namely, a regularized linear discriminant classifier with selected common spatial patterns in mu and beta bands as inputs.Results Unlike in adults, the online child-specific BCI demonstrated limited discrimination between left and right-hand MI using spatial features (52 ± 9%). Only left-hand MI versus rest in a retrospective analysis with personalized feature sets reached 70 ± 3%.Conclusions Our findings suggest that cortical activity corresponding to MI in our pediatric sample departed from well-documented, conspicuously lateralized adult patterns. Further investigation of developmental MI patterns is warranted to identify a pediatric approach to MI BCI.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».