国内多所单位联合推出的基于SSVEP可穿戴BCI开放数据集

Original 社区创作团队脑机接口社区 2023-02-08

脑机接口（BCI）的各种应用中，基于稳态视觉诱发电位（SSVEP）的BCI因其高信息传输率（ITR）、较少的培训过程和简单的操作而备受研究人员的青睐。近年来出现了基于SSVEP的BCI的开放数据集，开放数据集为研究人员在BCI高速拼写功能方面的研究提供了很大的便利，就BCI设备而言，穿戴式BCI系统在实践中更受欢迎，但对数据采集、数据分析和用户体验方面的要求也更高。而基于SSVEP的可穿戴BCI仍缺少充分的可供参考的数据集，可穿戴BCI由于直接面向用户，其使用的电极、长期用户体验和系统稳定性都是决定其性能的重要指标。近期，来自中科院国家重点实验室的研究人员为基于SSVEP的可穿戴BCI构建了一个包含大量受试者信息的开放数据集，以供实际应用。

数据采集

研究设计了一个在线BCI系统，使用12个目标拼字器作为虚拟键盘，受试者被要求按照提示盯着相应的目标，避免眨眼，记录刺激闪烁时间内的信号，每次试验结束后休息1 s，在休息时间内，输入字段中显示由在线滤波器组典型相关分析(FBCCA)计算出的视觉反馈(即输入键)，分别用干电极和湿电极制作可穿戴式脑电图发带进行记录顶叶和枕叶区域的EEG信号。

12目标BCI拼写器的刺激接口以及相应的频率和相位

分别使用湿电极(左)和干电极的8通道无线EEG头带以及受试者佩戴发带参与实验

EEG特点和在线性能

两种电极使用情况下刺激开始后均出现140 ms左右的视觉潜伏期，然后观察到对应刺激时间的正弦波状SSVEP。在2 s的刺激时间内，SSVEP的频率和相位保持稳定，在信噪比、振幅和频率等方面干湿电极记录下的EEG表现相似。在线分类性能方面，使用湿电极记录比干电极能达到更高的分类准确率，且优势明显。

干、湿电极记录的EEG信号时频特点

在线BCI实验中分类准确率和受试ITR情况分布，虚线代表平均水平

离线分类性能

FBCCA和任务相关成分分析（TRCA）是两种常用的提取脑电信号中SSVEP的方法，分类结果表明，在输入信号中加入谐波成分有助于提高标准CCA方法的性能，在优化性能方面，湿电极比干电极表现优异，且基于滤波器组TRCA(FBTRCA)方法的BCI性能优于FBCCA方法，而随着数据长度的增加，精度逐渐提高，这些性能在个体间表现差异显著。

不同数据长度下和不同分类方法中的分类精度

干、湿电极在两种分类方法中不同数据长度所有受试者的平均分类精度和平均ITR

各受试者干、湿电极性能相关性分析

电极间信息传递性能

在电极阻抗方面，湿电极电极阻抗显著低于干电极，而各电极的分类精度与阻抗之间并无显著相关性，但通过降低电极的阻抗可以获得更高的干电极性能。湿电极和干电极的SSVEPs的来源是相同的，因此，由一种类型的电极（训练电极）获得的SSVEP信号可以转移到使用另一种类型的电极（测试电极）的识别方法，且电极间的信息传递有助于SSVEP的检测。但湿到干和干到湿两种电极的跨电极转移效果不同，其中干-湿转移的分类精度更好。

三种电极转移(ET)方法以及FBCCA和FBTRCA方法对湿-干转移（左）和干-湿转移的分类精度

系统时效性能

在用户体验方面，大多数受试表示湿电极头带更舒适，且耐受性高于干电极头带头巾。另外，在舒适度方面，大多数人选择湿电极头带，但综合考虑舒适性和便利性两个因素(使用导电膏和使用后洗头)后，选择干电极头带的人数有所增加但还是显著低于湿电极，说明干电极的不适将严重阻碍其在实际BCI系统中的应用。另外，受试者在长时间使用基于SSVEP的BCI后会感到疲劳，这可能会影响BCI的性能。但系统性能测试方面，分类准确率并未随着测试时间出现明显的下降趋势，说明基于SSVEP的可穿戴式BCI具有稳定可靠的性能。

用户体验和两种电极喜好调查结果

在线和离线(使用FBCCA和FBTRCA方法)分别在干、湿电极头带和两种头带对应所有数据模块的分类准确性

与现有数据集相比，该数据集具有以下特点：

(1)使用8通道无线EEG头带记录枕叶的SSVEP；

(2)使用相同的12个目标的基于SSVEP的BCI范式共记录了102名受试者；

(3)对每个受试者分别使用干电极和湿电极，并测量电极阻抗；

(4)在大约2小时的长操作时间内共记录了20个数据模块；

(5)收集了关于湿电极和干电极的用户体验调查表。

这些特点说明了该数据集对相关BCI设备算法测试有很强的实用性。首先，数据可以很容易地用于开发和评估新的SSVEP检测算法。其次，有效的噪声去除方法和通道选择方法有助于改良优化可穿戴BCI，特别是对干电极数据。第三，由于研究对象较多，数据集可以进一步用于分析BCI用户数据。

参考链接

An Open Dataset for Wearable SSVEP-Based Brain-Computer Interfaces

仅用于学术交流，不用于商业行为，若有侵权及疑问，请后台留言，管理员即时删侵！