.png){kind=icon}
返回
A Plug-and-Play P300-Based BCI With Zero-Training Application
.png){kind=icon}
OA
AI
DOI：10.1109/TNSRE.2025.3603979.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于P300的脑-机接口（BCIs）的实际部署长期以来一直受到用户特定校准和多次刺激重复需求的阻碍。本研究构建并验证了一个即插即用、无需训练的P300 BCI系统，该系统利用预训练的xDAWN空间滤波器和深度卷积神经网络在单次试验设置下运行。在没有任何受试者特定适配的情况下，参与者能够通过BCI系统实时控制物联网设备，解码准确率达到85.2%，与离线基准的87.8%相当，证明了实现即插即用BCI的可行性。离线分析表明，少量顶叶和枕叶电极对解码性能贡献最大，支持低密度、高精度BCI配置的可行性。数据充足性模拟为预训练数据集大小提供了定量指导，而错误试验分析显示，刺激时间和准备性注意状态均影响了实时解码性能。综合来看，这些结果证明了完全预训练、无需训练的P300 BCI在无需刺激重复或用户特定校准的情况下，基于单次试验进行实时验证，并为开发可扩展、稳健且用户友好的BCI系统提供了实践见解。
Keyword:
BCI
zero-training
EEG
P300
plug-and-play
期刊
IF:
5.2
论文数:
474
被引数:
1.6W
机构
暂无机构信息
引用论文
.png){kind=icon}
On the influence of task relevance and stimulus probability on event-related-potential components
PREAI
分享收藏Enhancing Human-Computer Interaction with Input from Active and Passive Brain-Computer Interfaces
PREAI
分享收藏
查看更多内容