基于局部场电位跨被试解码眼动目标
神经与进化计算
2020-01-08 v3 信号处理
摘要
目的。我们考虑从局部场电位（LFP）信号的跨被试解码问题，其中利用从源被试前额叶皮层（PFC）收集的训练数据来解码目标被试的预期运动动作。方法。我们提出一种新颖的监督迁移学习技术，称为数据中心化，用于使源的特征空间适应目标的特征空间。数据中心化的关键要素是用于建模源与目标特征空间之间确定性关系的传递函数。我们针对线性传递函数提出了一种高效的数据驱动估计方法，该方法利用类条件分布的一阶与二阶矩。主要结果。我们将带线性传递函数的数据中心化技术应用于跨被试解码眼动意图的实验，实验中两只猕猴执行记忆引导的视觉扫视至八个目标位置之一。结果显示跨被试解码峰值性能为 80%，较随机选择解码器有显著提升。此外，在训练数据不平衡的设置下，数据中心化也优于标准的基于采样的方法。意义。本文分析表明，所提出的数据中心化是一种可靠的、基于 LFP 的跨被试脑机接口与神经假体的可行新技术。
引用
@article{arxiv.1911.03540,
title = {Cross-subject Decoding of Eye Movement Goals from Local Field Potentials},
author = {Marko Angjelichinoski and John Choi and Taposh Banerjee and Bijan Pesaran and Vahid Tarokh},
journal= {arXiv preprint arXiv:1911.03540},
year = {2020}
}