Alinhamento de sinal para conjuntos de dados cruzados em interfaces cérebro-computador P300

Resumo Objetivo. O aprendizado por transferência tornou-se uma questão importante no campo das interfaces cérebro-computador (BCI), e estudos sobre transferência de sujeito para sujeito dentro do mesmo conjunto de dados foram realizados. No entanto, poucos estudos foram realizados sobre transferência de conjunto de dados para conjunto de dados, incluindo transferência de paradigma para paradigma. Neste estudo, propomos um alinhamento de sinal (AS) para sinais de potenciais relacionados a eventos P300 (ERP) que é intuitivo, simples, computacionalmente menos custoso e pode ser usado para aprendizado por transferência entre conjuntos de dados distintos. Abordagem. Propusemos um AS linear que utiliza a latência, escala de amplitude e fator reverso do P300 para transformar os sinais. Para avaliação, quatro conjuntos de dados foram apresentados (dois de BCIs convencionais P300 Speller, um de um P300 Speller com estímulos faciais, e o último de um paradigma auditivo oddball padrão). Resultados. Embora a abordagem padrão sem AS tenha obtido uma pontuação de precisão média (AP) de 25,5%, a abordagem demonstrou uma pontuação AP de 35,8%, e observamos que o número de sujeitos apresentando melhora foi, em média, 36,0%. Particularmente, confirmamos que o conjunto de dados Speller com estímulos faciais foi mais comparável com outros conjuntos de dados. Significância. Propusemos uma maneira simples e intuitiva de alinhar sinais ERP que utiliza as características desses sinais. Os resultados demonstraram a viabilidade do aprendizado por transferência entre conjuntos de dados mesmo entre conjuntos com paradigmas diferentes.