​华中科技大学伍冬睿团队提出知识数据融合的通道交换脑电数据增强方法

文章预览

脑机接口（Brain-Computer Interface，BCI) 是大脑和外部设备（计算机、机器人等）之间的直接交互通路，可用于研究、帮助、增强或修复人类的认知或感觉运动功能。BCI通常需要新用户自身的少量脑电数据用于校准，但这些数据往往不足以支持纯数据驱动模型的构建。基于此，本文提出知识数据融合的脑机接口解码框架，通过在BCI闭环系统的多个环节融入先验知识来辅助精准解码，如图1所示。 图1 知识数据融合的脑机接口精准解码框架图 具体地，为了缓解新用户带标注校准数据不足的问题，作者提出了一种无需超参数的通道交换（Channel Reflection, CR）数据增强方法，利用通道分布的神经科学先验知识进行数据增强，在多个BCI范式上均适用。在4种不同BCI范式的8个公开数据集上，CR均能够显著提高3种不同实验场景的分类准确度，且相较于已有的数据增强方 ………………………………