ERP Signatures of Stimulus Choice in Gaze-Independent BCI Communication
Notice bibliographique
Résumé
This study aimed to identify electrophysiological markers (event-related potentials, ERPs) of intentional, need-related mental activity under controlled gaze fixation, with potential applications in brain–computer interface (BCI) development for individuals with severe motor impairments. Methods: Using stimuli from the PAIN Pictionary—a pictogram database for non-verbal communication in locked-in syndrome (LIS) contexts—neural responses were recorded via high-density EEG in 30 neurologically healthy adults (25 included after artifact-based exclusion). Participants viewed randomized sequences of pictograms representing ten fundamental need categories (e.g., “I am cold”, “I’m in pain”), with one category designated as the target per sequence. Each pictogram was followed by a visual cue prompting a button press: during training, participants executed the press; during the main task, they performed right-hand motor imagery while maintaining central fixation. Results: ERP analyses revealed a robust P300 response (450–650 ms; p < 0.0002) over centro-parietal regions for target cues, reflecting enhanced attentional allocation and stimulus choice. An early Contingent Negative Variation (CNV, 450–750 ms; p = 0.008) over fronto-lateral sites indicated anticipatory attention and motor preparation, while a left-lateralized late CNV (2250–2750 ms; p = 0.035) appeared to embody the preparation of a finalized motor plan for the forthcoming right-hand imagined response. A centro-parietal P600 component (600–800 ms; p = 0.044) emerged during response monitoring, reflecting evaluative and decisional processes. SwLORETA source analyses localized activity within a distributed network spanning prefrontal, premotor, motor, parietal, and limbic areas. Conclusions: These findings demonstrate that motor imagery alone can modulate pattern-onset ERP components without overt movement or gaze shifts, supporting the translational potential of decoding need-related intentions for thought-driven communication systems in individuals with profound motor impairments.
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) | 0,002 | 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 ».