標(biāo)題:研究在基于近紅外光譜的具有實時反饋的腦機接口中建模時間依賴性的必要性
01
研究背景
近紅外 (NIR) 光譜是一種新興的非侵入性腦機接口 (BCI) 模式,可測量神經(jīng)皮質(zhì)組織中血紅蛋白濃度的變化。NIR 光譜研究用在線分類的實時反饋時,以讓用戶即時改變他們的心理策略。但尚不清楚在線分類中是否應(yīng)該考慮血液動力學(xué)變化的時間依賴性。本研究對比了使用 NIR 光譜對前額葉血流動力學(xué)的在線分類,這些方法使用兩種方法處理:人工神經(jīng)網(wǎng)絡(luò) (ANN) 考慮氧合和脫氧血紅蛋白濃度的瞬時樣本(即忽略時間依賴性)和基于隱馬爾可夫模型 (HMM) 的分類器,它對濃度的時間序列進行建模(即體現(xiàn)的時間依賴性)。
02
研究方法
2.1、被試
共10名有效被試被招募,其中男性4名,女性6名,平均年齡26.4歲。
2.2、實驗設(shè)定
實驗包含了視覺和聽覺任務(wù)線索。屏幕上的圖像提示參與者執(zhí)行每項任務(wù),音頻文件在任務(wù)開始時用英語闡明了說明。
2.3、實驗過程
每個參與者完成了本研究的兩個環(huán)節(jié)。一個環(huán)節(jié)使用人工神經(jīng)網(wǎng)絡(luò) (ANN) 分類器,另一個使用基于隱馬爾可夫模型 (HMM) 的最大似然分類器。環(huán)節(jié)的順序是隨機的。參與者被指示使用“默唱”作為激活任務(wù),并將專注于呼吸作為休息任務(wù)。如果他們發(fā)現(xiàn)默認策略無效,并被鼓勵使用他們認為最有效的任何策略,則允許他們改變他們的激活或休息策略。
每個環(huán)節(jié)都以校準(zhǔn)期開始。在此期間,在線訓(xùn)練分類器的 ON(激活)和 OFF(靜止)狀態(tài)。在視覺和聽覺上指導(dǎo)參與者在體驗后立即開始心理任務(wù)。校準(zhǔn)期在被試可以根據(jù)實驗者的要求升高和降低視覺反饋欄后結(jié)束(圖1)?刂扑接蓪嶒炚咧饔^評估。校準(zhǔn)之后是測試期。參與者根據(jù)提示生成 ON 和 OFF 狀態(tài)。試驗包括六個連續(xù)的休息/激活間隔(2 分鐘)。每個參與者在測試期間完成了 20 次試驗,并且可以根據(jù)需要選擇在試驗之間休息。
圖1. 實驗所用視覺交互界面。
2.4、數(shù)據(jù)采集和處理
本研究使用頻域 NIR 光譜設(shè)備(ISS Imagent功能近紅外成像系統(tǒng)),由一系列用于插入光源的開口和探測器被放置在前額葉皮層上(圖2)。頭帶上有八個源和兩個探測器。每個光源同時發(fā)射 690nm 和 830nm NIR,以串行方式點亮。ISS Imagent 共有 16 個源,每個光源以一種波長發(fā)光 2 毫秒,有效采樣周期為 32 毫秒。
圖2. 頭帶光源和探測器配置
本實驗在計算 Hb 和 HbO 之前,對直流信號使用了截止頻率為 0.5 Hz 的五階巴特沃斯低通濾波器,去除了由于血脈率 (0.8–1.4 Hz)和其他因素引起的噪聲。
03
研究結(jié)果
3.1、線上分類
只有總體 ANN 在線分類率 (63.0 ± 18.9%) 顯著優(yōu)于機會概率。整體 HMM 率徘徊在機會水平 (55.7 ± 11.8%)
3.2、根據(jù)呼吸脈搏離線分類
只有五個與 NIR 信號分類為高于偶然性的會話重合。
3.3、用戶行為
除了一名參與者外,所有參與者都報告說根據(jù)反饋改變了他們的激活策略。一些替代策略與前額葉區(qū)的功能一致,即決策和思考的闡述。參與者 1 的分類率在兩個會話中都超過了機會,專注于嘗試移動反饋條。參與者 2 的分類率在兩個會話中都超過了機會,使用了各種替代策略,包括控制情緒狀態(tài)。情緒誘導(dǎo)任務(wù)已被證明可以使用 NIR 光譜引起前額葉皮層的反應(yīng)。一位熟悉 NIR-BCI 的參與者選擇進行心算,這是一種經(jīng)過驗證的激活策略。這位參與者 (10) 的總體分類率也最高。
04
實驗結(jié)論
這項研究的結(jié)果表明,使用在分類器和用戶同時學(xué)習(xí)的環(huán)境中訓(xùn)練的機器學(xué)習(xí)分類器,可以在在線 NIR-BCI 中實現(xiàn)二元分類。此外,參與者主觀上認為使用實時反饋欄是有幫助的。最重要的是,ANN 和 HMM 之間的比較表明,可能沒有必要對血紅蛋白濃度變化的時間動態(tài)進行建模。ANN 分類器總體上比 HMM 分類器表現(xiàn)更好,并為參與者提供了更多有用的反饋。
Chan, J., Power, S. and Chau, T., 2012. Investigating the need for modelling temporal dependencies in a brain-computer interface with real-time feedback based on near infrared spectra. Journal of Near Infrared Spectroscopy, 20(1), pp.107-116.
DOI:10.1255/jnirs.971