SSVEP-DAN: A Data Alignment Network for SSVEP-based Brain Computer Interfaces

要約

定常状態視覚誘発電位 (SSVEP) ベースのブレイン コンピューター インターフェイス (BCI) は、高速スペラー システムを介した非侵襲的な通信手段を提供します。
ただし、その効率は、時間のかかるキャリブレーション セッション中に取得された個々のトレーニング データに大きく依存します。
SSVEP ベースの BCI におけるデータ不足の課題に対処するために、さまざまなセッション、サブジェクト、またはデバイスを包含できる、異なるドメイン間で SSVEP データを調整するために設計された初の専用ニューラル ネットワーク モデルである SSVEP-DAN を紹介します。
複数のクロスドメイン シナリオにわたる実験結果は、既存のソース SSVEP データを補足的なキャリブレーション データに変換する SSVEP-DAN の機能を実証し、キャリブレーション データが限られたシナリオでの SSVEP デコード精度を大幅に向上させます。
私たちは、SSVEP-DAN を最小限のキャリブレーションで実用的な SSVEP ベースの BCI アプリケーションの触媒として想定しています。
この作品のソース コードは https://github.com/CECNL/SSVEP-DAN から入手できます。

要約(オリジナル)

Steady-state visual-evoked potential (SSVEP)-based brain-computer interfaces (BCIs) offer a non-invasive means of communication through high-speed speller systems. However, their efficiency heavily relies on individual training data obtained during time-consuming calibration sessions. To address the challenge of data insufficiency in SSVEP-based BCIs, we present SSVEP-DAN, the first dedicated neural network model designed for aligning SSVEP data across different domains, which can encompass various sessions, subjects, or devices. Our experimental results across multiple cross-domain scenarios demonstrate SSVEP-DAN’s capability to transform existing source SSVEP data into supplementary calibration data, significantly enhancing SSVEP decoding accuracy in scenarios with limited calibration data. We envision SSVEP-DAN as a catalyst for practical SSVEP-based BCI applications with minimal calibration. The source codes in this work are available at: https://github.com/CECNL/SSVEP-DAN.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google