跳到正文
OpenReview · EEG· Henrich Kolkhorst; Saku Kärkkäinen; Amund Faller Raheim; Wolfram Burgard; Michael Tangermann·· 2019-01-01精选AI 评分70

危险检测范式中用户任务对基于 EEG 的分类性能的影响

Influence of User Tasks on EEG-based Classification Performance in a Hazard Detection Paradigm

AI 导读

基于摘要分析。该研究关注注意力型 BCI 中辅助任务的选择是否影响 EEG 分类性能,在驾驶视频危险检测范式下比较心算计数与按键两种任务,并同时考察诱发反应和用户偏好。 这类 BCI 既可用于控制,也可反映用户对环境的感知与判断;辅助任务旨在维持用户参与度与动机。作者报告,在所研究的驾驶视频危险检测条件下,按键任务的基于 EEG 的事件二分类表现和用户偏好均优于心算计数,但摘要未提供具体分类指标、分数或偏好测量方式。 作者报告,心算计数任务的诱发反应幅度反而更高,而且在预处理阶段投影去除运动相关电位后,这一幅度差异仍然存在。需要区分的是,摘要明确支持的是去除运动相关电位后幅度差异仍存在,尚不能据此认定按键任务的分类优势完全独立于运动相关信息。 作者据此认为,在此类 BCI 中,按键可能是兼顾预测表现与用户偏好的更优辅助任务。该结论的适用范围仍需结合全文核对:被试数量、危险事件与二分类标签定义、EEG 预处理和分类方法、被试内或跨被试划分、运动相关电位的投影方法,以及统计检验和效应大小均尚未验证。

阅读价值

该研究直接比较驾驶视频危险检测中的两种辅助任务,提示诱发反应幅度、EEG 分类表现与用户偏好未必一致,值得在注意力型 BCI 的任务设计与复现中核对。

来源:OpenReview · EEG · openreview.net