Cueless EEG imagined speech for subject identification: dataset and benchmarks

要約

脳波 (EEG) 信号は、生体認証の有望な手段として浮上しています。
これまでの研究では、被験者を識別するために意味的に意味のある単語を含む想像上の音声の使用が検討されていましたが、ほとんどは追加の視覚的または聴覚的手がかりに依存していました。
この研究では、被験者が外部からの手がかりなしで意味的に意味のある単語の発音を想像する、手がかりのないEEGベースの想像音声パラダイムを導入します。
この革新的なアプローチは、被験者が事前に定義されたリストから自然に単語を選択して想像することを要求することで、従来の方法の限界に対処します。
データセットは、5 つのセッションにわたる 11 人の被験者からの 4,350 件を超えるトライアルで構成されています。
当社では、サポート ベクター マシン (SVM) や XGBoost などの従来の機械学習技術、時系列基盤モデル、EEG Conformer や Shallow ConvNet などの EEG 分類用に特別に設計された深層学習アーキテクチャなど、さまざまな分類方法を評価します。
信頼性の高い評価を確保し、データ漏洩を防ぐために、セッションベースのホールドアウト検証戦略が採用されました。
私たちの結果は、97.93% に達する優れた分類精度を示しています。
これらの発見は、ブレイン・コンピューター・インターフェース（BCI）などの実世界のアプリケーションにおける安全で信頼性の高い被験者識別のためのキューレスEEGパラダイムの可能性を強調しています。

要約(オリジナル)

Electroencephalogram (EEG) signals have emerged as a promising modality for biometric identification. While previous studies have explored the use of imagined speech with semantically meaningful words for subject identification, most have relied on additional visual or auditory cues. In this study, we introduce a cueless EEG-based imagined speech paradigm, where subjects imagine the pronunciation of semantically meaningful words without any external cues. This innovative approach addresses the limitations of prior methods by requiring subjects to select and imagine words from a predefined list naturally. The dataset comprises over 4,350 trials from 11 subjects across five sessions. We assess a variety of classification methods, including traditional machine learning techniques such as Support Vector Machines (SVM) and XGBoost, as well as time-series foundation models and deep learning architectures specifically designed for EEG classification, such as EEG Conformer and Shallow ConvNet. A session-based hold-out validation strategy was employed to ensure reliable evaluation and prevent data leakage. Our results demonstrate outstanding classification accuracy, reaching 97.93%. These findings highlight the potential of cueless EEG paradigms for secure and reliable subject identification in real-world applications, such as brain-computer interfaces (BCIs).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google