基于P300脑机接口的视觉目标选取

摘要

基于P300事件相关脑电电位的脑机接口（Brain-computer interface，BCI）系统能通过检测有效的脑电信号完成目标选择任务，是应用最广泛的BCI类型之一。传统的P300-BCI系统，一般基于行/列范式或其衍生范式进行研究设计。然而随着P300-BCI的应用场景逐渐从实验室环境向日常真实环境拓展，这种规则的排布范式已经无法有效适应真实环境下目标的复杂信息。为此，本文提出一种基于图像分割方法和双层选择的P300范式(image segmentation and two-step based paradigam， IST)的目标选择方法，进而提高脑机接口系统对真实环境下的目标选择能力。
　　IST范式的设计与实验验证。本文采用计算机视觉领域中的图像分割方法，利用基于墒的超像素分割算法对背景图像进行分割。然后根据分割的区域模块设计了双层闪烁实验范式，并对其刺激时间、刺激类型、刺激编码、信号处理算法等都做了设计。为了验证该范式的有效性，我们设计了与单次闪烁范式的对比实验。实验数据表明，IST范式在真实场景下的目标平均选择准确率和平均信息传输率分别为86.0％和22.1bits/min，单层闪烁范式为69.0%和10.29bits/min。实验结果表明，IST范式明显优于单次闪烁范式，是一个有效的可以推广的实验范式。
　　IST范式的优化与实验设计分析。本文基于不同实验设计，从不同的角度对IST范式进行数据分析并提出优化思路：第一，设计了图像复杂度与在线选择准确率之间关系的验证实验，通过分析二者之间的相关性特征，提出通过图像处理方法降低图像复杂度的优化思路；第二，通过对最优trial数的实验设计，分析了IST范式中的 trial数优化选择的问题；第三，通过分析在实验过程中对被试的调查问卷，探讨了基于图像分割的P300-BCI范式人性化优化方法。第四，基于目标刺激受到的邻接非目标闪烁的错误干扰，通过设计分散分组编码与集中分组编码的对比实验和数据分析，进一步优化了分组编码机制，提升了系统的性能。上述的四个方向的实验数据分析结果表明，IST范式虽仍存在部分不足，但针对真实环境中的目标选择问题仍表现出了较好的可用性和稳定性。
　　实验结果分析得出，本文所提出的 IST范式的目标选择准确率能达到较好的水平。通过对范式的进一步剖析，融合图像分割技术的P300目标选择方法是可以推广的，在真实环境的目标选择领域具有很好的发展前景的。IST范式可以通过进一步优化范式的设计和参数的选择达到更好的效果，因此 IST范式在目标选择应用领域具有很大的潜力。

目录

声明

第一章 绪论

1.1 脑机接口概述

1.2 脑机接口技术分类及其特点

1.3 基于P300事件相关电位的BCI

1.4 研究目标

1.5 本文各章节安排

第二章 融合图像分割技术的P300-BCI范式设计

2.1 引言

2.2 基于熵的超像素分割(ERS)

2.3 新范式要素设计

2.4 IST范式的实验设计

2.5 实验过程

2.6 实验结果分析

2.7 本章小结

第三章 IST-BCI的研究与优化分析

3.1 最优trial数分析

3.2 IST范式在不同复杂度背景下的分析

3.3 被试反馈情况分析

3.4 分组编码优化设计

3.5 本章小结

第四章 总结与展望

4.1 全文工作总结

4.2 未来工作展望

致谢

参考文献

作者在学期间取得的学术成果