基于最小校准 effort 的P300 ERP-BCI拼写系统的自适应半监督训练
机器学习
2026-02-19 v1 应用统计
摘要
P300 ERP基于脑电接口（BCI）拼写是一种辅助沟通工具。它搜索由目标刺激触发的P300事件相关电位（ERP），以 distinguish于嵌入在脑电图（EEG）信号中的非目标刺激的神经响应。传统方法需要冗长的校准程序来构建二进制分类器，降低了整体效率。因此，我们提出了以最小校准 effort 为目标的统一框架，给定少量标记校准数据，我们采用自适应半监督EM-GMM算法更新二进制分类器。我们基于字符级预测准确率、信息传递速率（ITR）和BCI效用进行评估。我们在训练数据上进行校准并在测试数据上报告结果。我们的结果表明，超过15名参与者中有9名参与者的最小字符级准确率达到0.7，而这9名参与者中有7名显示我们的方法优于基准方法。该提出的半监督学习框架为在具有有限标记数据情境下的实时BCI拼写系统提高整体拼写效率提供了实用且高效的替代方案。
引用
@article{arxiv.2602.15955,
title = {Adaptive Semi-Supervised Training of P300 ERP-BCI Speller System with Minimum Calibration Effort},
author = {Shumeng Chen and Jane E. Huggins and Tianwen Ma},
journal= {arXiv preprint arXiv:2602.15955},
year = {2026}
}
备注
8 pages, 8 figures