一种针对有训练运动想象BCI赛题的解决方案

脑机接口社区 2023-02-08

The following article is from THUJournal生物医学 Author 缑慧星|神经科学

编辑导读

本文收录于“世界机器人大赛-BCI脑控机器人大赛和算法荟萃”专辑，发表于Brain Science Advances 2022年8卷2期。

作者为2021年世界机器人大赛BCI脑控机器人大赛综合一等奖获奖团队，来自中国科学技术大学。

关键词

脑电（electroencephalogram, EEG）

运动想象（motor imagery, MI）

EEGNet

卷积神经网络（convolutional neural network，CNN）

脑机接口（brain-computer interface, BCI）

摘要

本文介绍了2021年世界机器人大赛——BCI脑控机器人大赛运动想象有训练赛题的优胜解决方案。

该方案基于在脑电（EEG）数据分类中表现优异的卷积神经网络（CNN）模型EEGNet (EEG compact network)，提供了集数据增强、预处理、特征提取及模型训练于一体的系统。

该系统提示数据增强和模型集成在脑电数据建模和脑机接口应用中具有必要性，可有效提升模型性能。此外，特征提取中非对称的通道选择与认知科学中大脑功能不对称的观点一致，提示未来研究可结合不同学科知识和观点以推动BCI技术的发展。

该解决方案在最终决赛中表现最佳，不仅适用于本次比赛的运动想象有训练赛题，在未来的应用场景中也可能适用。

图文导读

图1 解决方案概述。

图2 电极位置分布。红色区域是本方案选择的电极位置。

图3 原始数据和预处理后的数据示例。(a) 原始数据。(b) 预处理后数据。

图4 决赛中排名前三的模型在各个被试中的表现。

图5 CSP+LR和C2CM等算法与本算法在初赛10位被试数据上分类正确率的比较。

表1 根据预赛数据对本方案进行烧蚀研究。

图6 模型选取的时域特征的可视化。主要集中在顶枕叶。

图7 决赛中第四位被试数据可视化示例。该被试数据噪声较大，而我们在数据预处理中截取的时间长度较短，因此可能取到的数据包含的有效信息较少，导致模型在该被试数据上表现较差。

作者简介

本文作者来自2021年世界机器人大赛参赛队伍——中国科学技术大学USTC-pikapika赛队。

赛队荣获2021年世界机器人大赛BCI脑控机器人大赛综合一等奖。

指导老师：张效初

参赛选手：缑慧星朴毅任劼成赵倩陈奕均刘畅洪伟

缑慧星：中国科学技术大学博士研究生。研究兴趣是认知和计算神经科学，神经反馈，脑机接口等。

朴毅：中国科学技术大学先进技术研究院博士研究生。研究兴趣是脑机接口。

任劼成：中国科学技术大学博士研究生。研究方向是认知神经生物学。

赵倩：中国科学技术大学博士研究生。研究方向是认知神经生物学。

陈奕均：中国科学技术大学博士研究生。研究方向是认知神经心理学。

刘畅：中国科学技术大学硕士研究生。研究方向是生物物理学。

洪伟：中国科学技术大学博士研究生。研究方向是认知神经生物学。

张效初（通讯作者）：博士毕业于中国科学技术大学，后赴美国国立卫生研究院(NIH)深造，现任中国科学技术大学生命科学学院教授。在Nature Human Behaviour、Brain、Nature Neuroscience等期刊发表多篇高质量论文。研究兴趣主要包括成瘾、决策、亲密关系和神经反馈等。zxcustc@ustc.edu.cn

文章信息

Huixing Gou, Yi Piao, Jiecheng Ren, Qian Zhao, Yijun Chen, Chang Liu, Wei Hong, Xiaochu Zhang. A solution to supervised motor imagery task in the BCI Controlled Robot Contest in World Robot Contest. Brain Science Advances 2022, 8(2):153-161. https://doi.org/10.26599/BSA.2022.9050014

阅读原文

Brain Science Advances (神经科学)
教育部主管，清华大学主办
清华大学出版社出版，SAGE出版社海外发行
清华大学医学院副院长、清华大学玉泉医院院长张玉琪教授担任主编
以专题的形式展现国内外神经基础科学、临床神经科学以及神经工程领域最新热点研究成果
DOAJ数据库收录
金色开放获取(Gold OA)，发表免版面费