基于 GPT2 跨主体训练的高性能 P300 信号器
计算与语言
2024-05-24 v1 人机交互
系统与控制
信号处理
系统与控制
摘要
肌萎缩性侧索硬化症（ALS）严重损害患者的沟通能力，常导致诊断后数年内生活质量显著下降。P300 信号器脑机接口（BCI）通过解释患者对网格界面上呈现字符的 EEG 反应，提供了一种替代性沟通方法。本文通过引入创新的“跨主体”分类器，解决训练高效 P300 多主体分类器常见的速度瓶颈问题。我们结合第二代生成式预训练变换器（GPT2）和 Dijkstra 算法，以优化刺激并基于输入历史建议单词完成选项。此外，我们采用多层平滑技术以适应词表外（OOV）单词。通过包含从主体中进行随机抽样的大量模拟实验，我们展示了在包含罕见和 OOV 单词的段落中输入速度的显著提升。这些优化措施结果为字符级输入速度提升约 10%，多词预测提升最高可达 40%。我们证明，将分层单词预测augment标准的行/列突出显示技术，可实现接近最优的性能。此外，我们探讨了“单主体”和“跨主体”训练技术，显示速度提升在两种方法中均持续存在。
引用
@article{arxiv.2405.13329,
title = {High Performance P300 Spellers Using GPT2 Word Prediction With Cross-Subject Training},
author = {Nithin Parthasarathy and James Soetedjo and Saarang Panchavati and Nitya Parthasarathy and Corey Arnold and Nader Pouratian and William Speier},
journal= {arXiv preprint arXiv:2405.13329},
year = {2024}
}