有关近红外光谱反馈脑机接口的建模时间依赖性的相关研究

标题：研究在基于近红外光谱的具有实时反馈的脑机接口中建模时间依赖性的必要性

01

 研究背景

近红外 (NIR) 光谱是一种新兴的非侵入性脑机接口 (BCI) 模式，可测量神经皮质组织中血红蛋白浓度的变化。NIR 光谱研究用在线分类的实时反馈时，以让用户即时改变他们的心理策略。但尚不清楚在线分类中是否应该考虑血液动力学变化的时间依赖性。本研究对比了使用 NIR 光谱对前额叶血流动力学的在线分类，这些方法使用两种方法处理：人工神经网络 (ANN) 考虑氧合和脱氧血红蛋白浓度的瞬时样本（即忽略时间依赖性）和基于隐马尔可夫模型 (HMM) 的分类器，它对浓度的时间序列进行建模（即体现的时间依赖性）。
 

02

研究方法
 

2.1、被试

共10名有效被试被招募，其中男性4名，女性6名，平均年龄26.4岁。
 

2.2、实验设定

实验包含了视觉和听觉任务线索。屏幕上的图像提示参与者执行每项任务，音频文件在任务开始时用英语阐明了说明。
 

2.3、实验过程

每个参与者完成了本研究的两个环节。一个环节使用人工神经网络 (ANN) 分类器，另一个使用基于隐马尔可夫模型 (HMM) 的最大似然分类器。环节的顺序是随机的。参与者被指示使用“默唱”作为激活任务，并将专注于呼吸作为休息任务。如果他们发现默认策略无效，并被鼓励使用他们认为最有效的任何策略，则允许他们改变他们的激活或休息策略。
 

每个环节都以校准期开始。在此期间，在线训练分类器的 ON（激活）和 OFF（静止）状态。在视觉和听觉上指导参与者在体验后立即开始心理任务。校准期在被试可以根据实验者的要求升高和降低视觉反馈栏后结束（图1）。控制水平由实验者主观评估。校准之后是测试期。参与者根据提示生成 ON 和 OFF 状态。试验包括六个连续的休息/激活间隔（2 分钟）。每个参与者在测试期间完成了 20 次试验，并且可以根据需要选择在试验之间休息。

图1. 实验所用视觉交互界面。
 

2.4、数据采集和处理

本研究使用频域 NIR 光谱设备（ISS Imagent功能近红外成像系统），由一系列用于插入光源的开口和探测器被放置在前额叶皮层上（图2）。头带上有八个源和两个探测器。每个光源同时发射 690nm 和 830nm NIR，以串行方式点亮。ISS Imagent 共有 16 个源，每个光源以一种波长发光 2 毫秒，有效采样周期为 32 毫秒。

图2. 头带光源和探测器配置
 

本实验在计算 Hb 和 HbO 之前，对直流信号使用了截止频率为 0.5 Hz 的五阶巴特沃斯低通滤波器，去除了由于血脉率 (0.8–1.4 Hz)和其他因素引起的噪声。
 

03

研究结果
 

3.1、线上分类

只有总体 ANN 在线分类率 (63.0 ± 18.9%) 显著优于机会概率。整体 HMM 率徘徊在机会水平 (55.7 ± 11.8%)
 

3.2、根据呼吸脉搏离线分类

只有五个与 NIR 信号分类为高于偶然性的会话重合。
 

3.3、用户行为

除了一名参与者外，所有参与者都报告说根据反馈改变了他们的激活策略。一些替代策略与前额叶区的功能一致，即决策和思考的阐述。参与者 1 的分类率在两个会话中都超过了机会，专注于尝试移动反馈条。参与者 2 的分类率在两个会话中都超过了机会，使用了各种替代策略，包括控制情绪状态。情绪诱导任务已被证明可以使用 NIR 光谱引起前额叶皮层的反应。一位熟悉 NIR-BCI 的参与者选择进行心算，这是一种经过验证的激活策略。这位参与者 (10) 的总体分类率也最高。
 

04

实验结论

这项研究的结果表明，使用在分类器和用户同时学习的环境中训练的机器学习分类器，可以在在线 NIR-BCI 中实现二元分类。此外，参与者主观上认为使用实时反馈栏是有帮助的。最重要的是，ANN 和 HMM 之间的比较表明，可能没有必要对血红蛋白浓度变化的时间动态进行建模。ANN 分类器总体上比 HMM 分类器表现更好，并为参与者提供了更多有用的反馈。

Chan, J., Power, S. and Chau, T., 2012. Investigating the need for modelling temporal dependencies in a brain-computer interface with real-time feedback based on near infrared spectra. Journal of Near Infrared Spectroscopy, 20(1), pp.107-116.

DOI：10.1255/jnirs.971